本論文分為兩個部分,第一個部分為自由空間光通信領(lǐng)域的信道反演研究,尤其是對雨信道進(jìn)行了分析。在第二部分,主要研究了信道編碼和信道譯碼技術(shù)。采用神經(jīng)網(wǎng)絡(luò)技術(shù),最終完成具有智能的編碼過程。第一章,我們對大氣激光通信信道研究的瓶頸進(jìn)行了闡述,尤其采用傳統(tǒng)數(shù)學(xué)方式,對信道反演存在的困難進(jìn)行了演繹;另一方面,對傳統(tǒng)的信道編碼技術(shù),譯碼技術(shù)做了簡要介紹,包含常用的LDPC編碼、RS編碼。第二章,提出了權(quán)值特征提取技術(shù),是一種從訓(xùn)練好的多層感知器網(wǎng)絡(luò)中反演提取訓(xùn)練樣本組特征信道的一種全新的數(shù)據(jù)分析工具,這種技術(shù)能夠?qū)崿F(xiàn)數(shù)據(jù)集的深度分析研究。首先,把大氣激光通信實(shí)驗(yàn)數(shù)據(jù)集轉(zhuǎn)化為多層感知器網(wǎng)絡(luò)的訓(xùn)練樣本集;其次,利用該訓(xùn)練樣本集來訓(xùn)練多層感知器網(wǎng)絡(luò),此時,樣本集中的核心信息在訓(xùn)練結(jié)束后將充分轉(zhuǎn)移到網(wǎng)絡(luò)中去;最后,采用權(quán)值特征提取技術(shù)在訓(xùn)練好的網(wǎng)絡(luò)中提取特征信息,并計算權(quán)值能量通道以及數(shù)據(jù)集的關(guān)聯(lián)度。實(shí)際測試的結(jié)果表明:季節(jié)因素強(qiáng)于降雨量因素,雨強(qiáng)對大氣激光雨信道質(zhì)量影響最大。這個結(jié)果對大氣激光雨信道研究具有重要參考意義。第三章,對青藏高原大氣激光雨信道進(jìn)行了反演分析。對于這方面的研究,由于缺乏原始的實(shí)驗(yàn)數(shù)據(jù)和合適的數(shù)據(jù)分析手段,這方面的研究一直都很少有人問津。在本章,采用了神經(jīng)網(wǎng)絡(luò)群與初始權(quán)值優(yōu)化相結(jié)合的分析處理手段。首先,根據(jù)不同的季節(jié)條件來構(gòu)造神經(jīng)網(wǎng)絡(luò)群;其次,采用初始權(quán)值優(yōu)化算法,通過已有的大氣激光雨信道的原始實(shí)驗(yàn)數(shù)據(jù)集來選擇匹配的初始權(quán)值;再次,訓(xùn)練神經(jīng)網(wǎng)絡(luò)群,直至神經(jīng)網(wǎng)絡(luò)群達(dá)到期望的收斂要求;最后,加載青藏高原降雨氣象數(shù)據(jù)(以拉薩為例)到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)群中,從而反演出最終的信道質(zhì)量。最后的結(jié)論表明,在春季的降雨,青藏高原大氣激光雨信道質(zhì)量最佳,緊接著是冬雨、夏雨和秋雨。第四章,采用神經(jīng)網(wǎng)絡(luò)技術(shù)對LDPC信道編碼進(jìn)行了信道反演分析。由于缺乏合適的數(shù)據(jù)分析工具,尤其是在大氣激光雨信道的條件下,LDPC編碼性能的研究很少受人關(guān)注。在本章中,提出了前向權(quán)值特征提取算法,這種算法是在訓(xùn)練好的多層感知器網(wǎng)絡(luò)中提取特征信息的一種新方法。首先,大氣激光雨信道環(huán)境下,LDPC信道編碼的原始實(shí)驗(yàn)數(shù)據(jù)集,需要通過預(yù)處理,轉(zhuǎn)換為多層感知器網(wǎng)絡(luò)能夠使用的訓(xùn)練樣本集;其次,根據(jù)訓(xùn)練樣本集的大小建立網(wǎng)絡(luò),并用初始權(quán)值優(yōu)化技術(shù)選擇與訓(xùn)練樣本集相匹配的初始權(quán)值;再次,利用誤差反傳算法訓(xùn)練多層感知器網(wǎng)絡(luò)直至總誤差達(dá)到要求;最后,利用前向權(quán)值特征提取算法從訓(xùn)練完成的網(wǎng)絡(luò)中提取特征信息,即:最終可以計算出雨信道中各個因素對LDPC信道編碼性能的影響程度。實(shí)驗(yàn)表明,雨強(qiáng)對LDPC性能的關(guān)聯(lián)度為39,這與對實(shí)驗(yàn)數(shù)據(jù)的直接分析結(jié)論是一致的;季節(jié)的關(guān)聯(lián)度第二,為24;信道質(zhì)量位列第三,為19;降雨量的關(guān)聯(lián)度最小,為18第五章,提出了一種新型通用神經(jīng)網(wǎng)絡(luò)譯碼器,該譯碼器為對稱自組織映射結(jié)構(gòu),能夠完成對任意糾錯碼的譯碼。這種對稱自組織映射結(jié)構(gòu)的譯碼器,采用LDPC編碼進(jìn)行了測試,并與傳統(tǒng)譯碼器進(jìn)行了性能的比較,仿真。實(shí)際的結(jié)果表明,對稱自組織映射結(jié)構(gòu)的譯碼器能夠完成邊學(xué)習(xí),邊譯碼的功能,并且不需要事先知道對應(yīng)的編碼規(guī)則。碼字出現(xiàn)的概率越高,則譯碼糾錯的質(zhì)量越好。相比傳統(tǒng)的糾錯譯碼器,它更易于構(gòu)造,針對不同類型碼字的普適性高,在未來通信信道編碼領(lǐng)域具有一定的前景。第六章,提出了前向神經(jīng)網(wǎng)絡(luò)編碼器的設(shè)計,這種信道編碼器采用自組織映射的神經(jīng)網(wǎng)絡(luò)作為編碼器的主要結(jié)構(gòu)。首先,根據(jù)源消息位的維度和碼字的維度建立自組織映射神經(jīng)網(wǎng)絡(luò);其次,選擇合適的權(quán)值分布來初始化神經(jīng)網(wǎng)絡(luò);最后,檢測碼字的唯一性,直至達(dá)到要求。在譯碼階段,多層感知器網(wǎng)絡(luò)作為對應(yīng)的譯碼器。首先,根據(jù)源消息位數(shù)和碼字位數(shù)的維度來構(gòu)建對應(yīng)的多層感知器網(wǎng)絡(luò);其次,利用前向神經(jīng)網(wǎng)絡(luò)編碼器產(chǎn)生的碼字組作為樣本組訓(xùn)練多層感知器網(wǎng)絡(luò),直至網(wǎng)絡(luò)的總誤差達(dá)到預(yù)設(shè)值;最后,利用訓(xùn)練好的多層感知器網(wǎng)絡(luò)來完成譯碼工作。實(shí)際的仿真測試表明,神經(jīng)網(wǎng)絡(luò)編碼器和譯碼器方案是可行的。在合適的前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和輸出節(jié)點(diǎn)度的情況下,能夠獲得較好的編碼譯碼效果�？傊�,由神經(jīng)網(wǎng)絡(luò)編碼器生成的碼字組,是無法用傳統(tǒng)的數(shù)學(xué)方面完成譯碼工作的,因此,這種編譯碼方式在安全通信領(lǐng)域具有一定的市場前景。第七章,提出了一種改進(jìn)型的神經(jīng)網(wǎng)絡(luò)編碼器,這種編碼器采用SOM神經(jīng)網(wǎng)絡(luò)單獨(dú)產(chǎn)生校驗(yàn)位。而最終的完整碼字由N個源消息位和K個校驗(yàn)位共同組成。在本項(xiàng)目中,全連接模式與部分連接模式都進(jìn)行了仿真。在譯碼端,多層感知器網(wǎng)絡(luò)被用作譯碼器。具體步驟如下:(1)根據(jù)碼字組與源消息位的大小構(gòu)建多層感知器網(wǎng)絡(luò);(2)利用神經(jīng)網(wǎng)絡(luò)編碼器產(chǎn)生的碼字組來訓(xùn)練多層感知器網(wǎng)絡(luò),直至網(wǎng)絡(luò)收斂;(3)訓(xùn)練好的多層感知器網(wǎng)絡(luò)開始接受碼字并譯碼。實(shí)際測試表明:(1)全連接模式與部分連接模式在性能上沒有明顯的差異;(2)采用Tanner Graph模式來構(gòu)造權(quán)值的部分連接,能夠降低運(yùn)算復(fù)雜度,并獲得較好的編碼譯碼效果。總之,神經(jīng)網(wǎng)絡(luò)編碼器具有以下幾個優(yōu)勢:(1)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和對應(yīng)的權(quán)值組就是編碼算法本身,這種模式具有一定的保密性;(2)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡化為部分連接模式,則可以較小的計算復(fù)雜度獲得較好的編碼特性;(3)這種編碼譯碼的方法在保密通信領(lǐng)域具有一定的市場前景。第八章,對信道反演算法進(jìn)行了總結(jié)。不同的信道反演分析算法各自有其合適的應(yīng)用場合,對此,進(jìn)行了歸納。權(quán)值特征提取技術(shù)和前向權(quán)值特征提取具有相似之處,即:都是從訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中提取關(guān)鍵信息;而神經(jīng)網(wǎng)絡(luò)群技術(shù),則適于受限的原始實(shí)驗(yàn)數(shù)據(jù)集,即:數(shù)據(jù)集中缺乏原始關(guān)鍵信息。另一方面,對不同信道反演算法進(jìn)行了比較總結(jié)。在權(quán)值特征提取技術(shù)中,數(shù)據(jù)集關(guān)聯(lián)的反演是通過權(quán)值迭代偏移量來實(shí)現(xiàn)的;而在前向權(quán)值特征提取中,采用了前向計算的方式去建立數(shù)據(jù)集內(nèi)部各個數(shù)據(jù)之間的聯(lián)系;神經(jīng)網(wǎng)絡(luò)群則是根據(jù)數(shù)據(jù)集內(nèi)存有間接因果關(guān)系,事先劃分。進(jìn)一步,針對不同的編碼譯碼算法,根據(jù)其各自的特點(diǎn)進(jìn)行了總結(jié)。每一個算法都有適合其特點(diǎn)的應(yīng)用場合。另一方面,本文對各個算法進(jìn)行了比較、研究。對稱自組織映射結(jié)構(gòu)的譯碼器適用于低維度的情況,而多層感知器結(jié)構(gòu)的譯碼器在實(shí)際應(yīng)用中取得了較好的效果。在神經(jīng)網(wǎng)絡(luò)編碼器領(lǐng)域,改進(jìn)型、部分連接模式的編碼器,具有計算復(fù)雜度低,性能好的特點(diǎn),在未來應(yīng)用中有好的前景。
【學(xué)位單位】：武漢大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：TN929.1;TP183
【部分圖文】：

邐０．３ｐｍ邋波長逡逑圖１．２電磁波輻射在晴朗天氣所受大氣衰減與頻率的關(guān)系逡逑在圖１．２中，顯示了分子諧振導(dǎo)致出現(xiàn)的衰減峰值狀況（衰減與頻率之間的關(guān)逡逑系曲線）。由曲線可見，在頻率約２３ＧＨｚ處，水蒸氣對電磁波的吸收產(chǎn)生了第一逡逑個諧振點(diǎn)，而另外兩個諧振點(diǎn)則出現(xiàn)在１８０ＧＨｚ和３５０ＧＨｚ處；而對于氧氣來說，逡逑其諧振點(diǎn)則出現(xiàn)在６２ＧＨｚ和１２０ＧＨｚ處。逡逑雨衰，是指電磁波進(jìn)入雨層中引起的衰減，在自由空間激光通信中，電磁波為逡逑近紅外光頻段。這種衰減包括雨粒吸收引起的衰減和雨粒散射引起的衰減。對于逡逑雨粒吸收引起的衰減，是由于雨粒具有介質(zhì)損耗引起的；而對于雨粒散射引起的逡逑衰減，則是由于電磁波碰到雨粒時被雨粒反射、再反射引起的。逡逑雨衰的大小與雨滴直徑與波長的比值有著可比性關(guān)系（這是從一個視角，艮Ｐ：逡逑雨滴直徑、波長這兩個因素來反演雨衰的變化，其他因素則沒有考慮在內(nèi)），而逡逑雨滴的半徑則與降雨率有關(guān)（這種關(guān)系

保醶玻醶閉攵源篤釵す庥晷諾瀾?zhàn)q齜槳傅鬧饕

本文編號：2818832