本文關(guān)鍵詞：基于雙支持向量回歸機(jī)的盲均衡算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：通信系統(tǒng)中,由于信道有限的帶寬和其他一些噪聲干擾,傳輸?shù)男盘?hào)很容易產(chǎn)生碼間干擾,從而造成在接收端無法正確識(shí)別發(fā)送信號(hào)的現(xiàn)象。信道均衡是解決碼間干擾的關(guān)鍵技術(shù)。傳統(tǒng)的自適應(yīng)均衡技術(shù)需要定時(shí)發(fā)送訓(xùn)練序列調(diào)整均衡器參數(shù),占據(jù)了有限的信道帶寬,造成系統(tǒng)通信效率降低。盲均衡作為一種無需借助訓(xùn)練序列,僅利用接收序列本身的先驗(yàn)信息進(jìn)行信道補(bǔ)償,使輸出序列盡量逼近發(fā)送序列的新興自適應(yīng)均衡技術(shù),是目前數(shù)字通信系統(tǒng)中亟待解決的關(guān)鍵技術(shù)之一。傳統(tǒng)的盲均衡算法如Bussgang類盲均衡算法因其原理簡(jiǎn)單、易于實(shí)現(xiàn)、穩(wěn)健性好、對(duì)于不同系統(tǒng)的適用性強(qiáng)等優(yōu)點(diǎn)成為目前最常被采用的一類盲均衡算法。但由于其非理想的有限長濾波器使得代價(jià)函數(shù)是非凸的,因此會(huì)導(dǎo)致求解的系數(shù)為局部最優(yōu)解,存在誤收斂現(xiàn)象。為此,有學(xué)者提出利用支持向量機(jī)的全局最優(yōu)化特點(diǎn)解決Bussgang類算法非凸代價(jià)函數(shù)造成的誤收斂問題,然而,由于經(jīng)典的支持向量機(jī)采用迭代重加權(quán)二次規(guī)劃(Iterative Re-Weighted Quadratic Programming, IRWQP)方法確定均衡器系數(shù),使得計(jì)算復(fù)雜度過高而不適于實(shí)際應(yīng)用。雙支持向量機(jī)(Twin Support Vector Machines,TSVM)是在支持向量機(jī)(Support Vector Machines, SVM)理論上發(fā)展起來的,它將支持向量機(jī)一個(gè)大的凸二次規(guī)劃問題轉(zhuǎn)化成兩個(gè)較小的凸二次規(guī)劃問題,對(duì)同等樣本集的訓(xùn)練速度理論上比支持向量機(jī)快4倍左右,可用于解決分類和回歸問題。本文利用雙支持向量回歸機(jī)優(yōu)秀的小樣本學(xué)習(xí)能力和全局最優(yōu)化的特點(diǎn),基于雙支持向量回歸機(jī)的理論框架構(gòu)造盲均衡算法,解決Bussgang類算法的局部收斂問題,并采用迭代重加權(quán)最小二乘(Iterative Re-Weighted Least Square, IRWLS)法提高算法的收斂速度。本文研究了盲均衡的基本原理,分析了傳統(tǒng)的盲均衡方法和各自的優(yōu)缺點(diǎn),詳細(xì)闡述了基于支持向量回歸機(jī)(Support Vector Regressor, SVR)的盲均衡算法并進(jìn)行了實(shí)驗(yàn)分析。首次提出并推導(dǎo)了基于雙支持向量回歸機(jī)(Twin Support Vector Regressor, TSVR)的盲均衡理論和算法,包括經(jīng)典的迭代重加權(quán)二次規(guī)劃盲均衡算法和改進(jìn)的迭代重加權(quán)最小二乘盲均衡算法,對(duì)比了經(jīng)典的SVR和TSVR以及改進(jìn)的SVR和TSVR的盲均衡算法性能。實(shí)驗(yàn)結(jié)果表明,經(jīng)典和改進(jìn)的TSVR盲均衡算法均可成功實(shí)現(xiàn)信道均衡,且改進(jìn)的迭代重加權(quán)最小二乘TSVR盲均衡算法極大的降低了經(jīng)典TSVR盲均衡算法的計(jì)算復(fù)雜度,可實(shí)現(xiàn)快速均衡。此外,TSVR由于其雙超平面的建立使得均衡穩(wěn)定性高于SVR盲均衡算法。論文最后根據(jù)TSVR盲均衡算法的優(yōu)點(diǎn)并結(jié)合數(shù)據(jù)重用技術(shù)研究了針對(duì)短時(shí)突發(fā)信號(hào)的盲均衡方法。
【關(guān)鍵詞】：盲均衡 雙支持向量回歸機(jī) 迭代重加權(quán)二次規(guī)劃 迭代重加權(quán)最小二乘 數(shù)據(jù)重用技術(shù)
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.5
【目錄】：

• 中文摘要3-5
• Abstract5-10
• 第一章 引言10-16
• 1.1 選題背景及研究意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀分析12-14
• 1.3 本文的主要研究?jī)?nèi)容與結(jié)構(gòu)安排14-16
• 第二章 盲均衡技術(shù)概述16-25
• 2.1 盲均衡的基本原理16-17
• 2.2 盲均衡的理論基礎(chǔ)17-20
• 2.2.1 置零條件17-18
• 2.2.2 充要條件18-19
• 2.2.3 歸一化條件19-20
• 2.3 Bussgang類盲均衡算法20-24
• 2.3.1 Bussgang類盲均衡算法分類20-22
• 2.3.2 CMA盲均衡算法原理22
• 2.3.3 CMA盲均衡算法實(shí)驗(yàn)22-24
• 2.4 本章小結(jié)24-25
• 第三章 基于支持向量回歸機(jī)的盲均衡算法25-34
• 3.1 支持向量回歸機(jī)理論概述25-26
• 3.2 基于支持向量回歸機(jī)的盲均衡算法26-28
• 3.3 基于IRWLS算法改進(jìn)的支持向量回歸機(jī)盲均衡算法28-30
• 3.4 仿真實(shí)驗(yàn)30-33
• 3.4.1 實(shí)驗(yàn)設(shè)計(jì)30-31
• 3.4.2 實(shí)驗(yàn)結(jié)果與分析31-33
• 3.5 本章小結(jié)33-34
• 第四章 基于雙支持向量回歸機(jī)的盲均衡算法34-48
• 4.1 雙支持向量回歸機(jī)理論概述34-35
• 4.2 基于雙支持向量回歸機(jī)的盲均衡算法35-41
• 4.2.1 基于IRWQP的雙支持向量機(jī)盲均衡算法35-36
• 4.2.2 基于IRWLS算法改進(jìn)的雙支持向量回歸機(jī)常模盲均衡算法36-40
• 4.2.3 基于雙支持向量機(jī)的多模信號(hào)盲均衡算法40-41
• 4.3 仿真實(shí)驗(yàn)41-47
• 4.3.1 常模信號(hào)的線性盲均衡實(shí)驗(yàn)42-45
• 4.3.2 多模信號(hào)的線性盲均衡實(shí)驗(yàn)45-46
• 4.3.3 常模信號(hào)的非線性盲均衡實(shí)驗(yàn)46-47
• 4.4 本章小結(jié)47-48
• 第五章 基于雙支持向量機(jī)和數(shù)據(jù)重用技術(shù)的短時(shí)突發(fā)信號(hào)盲均衡方法48-56
• 5.1 短時(shí)突發(fā)信號(hào)盲均衡的應(yīng)用48
• 5.2 數(shù)據(jù)重用技術(shù)48-50
• 5.2.1 數(shù)據(jù)重用技術(shù)用于CMA算法49
• 5.2.2 數(shù)據(jù)重用技術(shù)用于基于雙支持向量回歸機(jī)的盲均衡49-50
• 5.3 仿真實(shí)驗(yàn)50-54
• 5.3.1 基于數(shù)據(jù)重用技術(shù)的CMA算法實(shí)驗(yàn)分析50-51
• 5.3.2 基于數(shù)據(jù)重用技術(shù)的雙支持向量回歸機(jī)盲均衡算法實(shí)驗(yàn)51-54
• 5.4 本章小結(jié)54-56
• 第六章 總結(jié)和展望56-58
• 參考文獻(xiàn)58-61
• 在學(xué)期間的研究成果61-62
• 致謝62

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 趙建業(yè),余道衡;用細(xì)胞神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)盲均衡的一種新方法[J];電子科學(xué)學(xué)刊;2000年03期

2 阮秀凱;蔣嘯;劉莉;談燕花;;一族新的Bussgang類指數(shù)拓展多模盲均衡算法[J];電子與信息學(xué)報(bào);2013年09期

  本文關(guān)鍵詞：基于雙支持向量回歸機(jī)的盲均衡算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：328362