發(fā)布時間：2020-11-07 18:42

　　 在復雜的MIMO-OFDM系統(tǒng)中,系統(tǒng)很多性能是由信道狀態(tài)決定的。傳統(tǒng)反饋自適應問題通過反饋信道矩陣與信噪比信息建立查找表來切換MCS,然后通過MCS轉換將信道狀態(tài)影響映射到系統(tǒng)性能變化上。這類要建立起信道狀態(tài)到系統(tǒng)性能的映射是復雜非線性的。至今,沒有一種明確的理論或方法來證明這類映射可能存在的規(guī)律。然而,學習算法對于處理非線性映射具有較好的效果,通過對輸入輸出間模型的建立,學習算法能在模型內部體現出這類映射關系。因此越來越多的學者開始探索用學習的方案來處理自適應問題。這是在沒有明確理論來建模這類復雜非線性映射時的一種可行替代。監(jiān)督學習是機器學習算法中的一大類,在解決分類問題上能達到很好的效果。自適應調制編碼對于調制編碼策略的選擇可以看作明顯的分類問題。因此,本文首先設計了基于監(jiān)督學習方案的自適應調制編碼算法,然后在本文提出的自適應調制編碼方案基礎上進一步進行功率分配的優(yōu)化,提升系統(tǒng)整體的數據傳輸速率性能。本論文首先提出基于監(jiān)督學習的無反饋自適應調制編碼算法。其中,本文采用了K最鄰近算法和神經網絡兩類典型的學習算法。為將自適應調制編碼問題歸納為分類問題,本文提出一種基于信道條件和傳輸功率約束下的信道特征提取方案,該特征提取方案是全文分析和驗證的基礎。然后用該特征提取方案對于不同調制編碼方案進行驗證,檢驗該特征提取方案能否準確劃分不同調制編碼方案。接下來,為避免維度災難并準確的表示空間流數目不同的情況,對于提出的特征提取方案給出了兩類降維方案,并對兩類降維方案進行可行性分析。然后,在運用提取特征和降維方法的基礎上,將K最鄰近算法和神經網絡算法加入到自適應調制編碼方案中,提出KNN-AMC算法和ANN-AMC算法。最終將KNN-AMC算法和ANN-AMC算法運用到仿真中,通過對系統(tǒng)的誤比特性能分析和數據傳輸速率分析,驗證了KNN-AMC算法和ANN-AMC算法的可行性。在LTE TDD中,通過利用上下行信道的互易性獲得信道信息,應用于本文算法模型中能夠節(jié)省反饋開銷,降低系統(tǒng)工作時延,可以讓系統(tǒng)更快地適應通信環(huán)境的變化。本文著重解決的第二個問題是基于KNN-AMC算法下的功率分配問題。首先本文采用傳統(tǒng)的注水算法對功率進行分配。考慮到注水算法是一種調節(jié)比特加載過程以達到最優(yōu)的方法,而本文自適應調制編碼選擇對所有流進行了相同的調制。因此本文提出在注水算法上進行一定改進,提出基于奇異值比值和離散優(yōu)化功率分配算法。其主要思想是首先收集剩余功率,然后將剩余功率按照調制等級由高至低進行分配。最后,通過仿真將離散優(yōu)化分配算法與注水算法進行對比,可以看出優(yōu)化分配算法通過對注水算法的離散優(yōu)化得到更好的系統(tǒng)傳輸速率性能。
【學位單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP181;TN911.22
【部分圖文】：

例子就劃分為 K 個訓練集中某一類別數目最多的那一類。圖 2-1 KNN 算法示意圖在圖 2-1 中，主要有兩個分類，一個是三角形，一個是正方形。對于 KNN 算法，如果想要判斷圖中圓圈屬于哪一類。首先確定一個合適的 K 值。比如內圓是K=3，在這個內圓中有兩個三角形和一個正方形，則圓圈將被判定為類別數量多的一類即三角形。如果改變 K 值，比如令 K=6，則得到外圓。這時在外圓劃定的范圍內有三個三角形，四個正方形，這時圓圈將被判定為類別數量多的一類即正方形。根據以上簡單介紹可知 KNN 算法的結果于所選取的圓半徑,也就是 K 值的大小有關。下面是對 KNN 算法輸入輸出以及距離度量所進行簡單的分析。（1） 假設 KNN 算法的輸入訓練集數據為 T，如公式(2-5)所示
【相似文獻】

相關期刊論文 前10條

1 單超;張邦寧;;自適應調制編碼技術[J];軍事通信技術;2005年01期

2 楊明文;;自適應調制編碼系統(tǒng)門限調整算法研究[J];數字技術與應用;2015年01期

3 陶根林;陳發(fā)堂;;LTE系統(tǒng)中自適應調制編碼技術的研究[J];現代電信科技;2010年09期

4 朱彥軍;宋仁旺;王鋼飛;;自適應調制編碼的VBLAST系統(tǒng)研究[J];廣東通信技術;2011年03期

5 馮雪嬌;;解析無線Mesh網絡中AMC的優(yōu)化[J];中國新通信;2014年19期

6 楊青;張慶榮;;空時分組碼在自適應調制編碼系統(tǒng)中的性能分析[J];數字通信;2010年05期

7 陳夢嘉;趙宜升;黃錦錦;董志翔;陳忠輝;;基于摩爾狀態(tài)機的LTE-R系統(tǒng)自適應調制編碼方法[J];電子技術應用;2018年06期

8 于洋;譚學治;;基于信道分類和自適應調制編碼的認知無線電決策引擎[J];電子與信息學報;2014年02期

9 孫天偉;鄭建宏;;TD-SCDMA系統(tǒng)HSDPA技術研究與進展[J];中國新通信;2007年09期

10 王宇;王永生;王立波;;基于AMC的無線QoS延時性能研究[J];計算機工程;2010年19期

相關博士學位論文 前10條

1 陳紅;無線通信中的ARQ與自適應調制編碼技術研究[D];西南交通大學;2007年

2 謝俊松;CDMA系統(tǒng)中的擴頻序列與自適應調制編碼若干問題研究[D];西南交通大學;2002年

3 涂軍;基于延時優(yōu)化的無線網絡跨層設計研究[D];華中科技大學;2015年

4 李志杰;無線局域網無線資源管理及跨層設計研究[D];西南交通大學;2012年

5 李培龍;下一代移動通信網絡中可伸縮視頻多播研究[D];中國科學技術大學;2010年

6 彭曉川;異構協(xié)同無線網絡中若干關鍵技術的研究[D];北京郵電大學;2012年

7 孫文珠;多媒體信號可伸縮編碼傳輸方法研究[D];大連理工大學;2013年

8 閆正航;空時碼在衰落信道中性能優(yōu)化的研究[D];上海交通大學;2010年

9 朱雪梅;基于多天線技術的無線網絡跨層自適應傳輸方案研究[D];山東大學;2009年

10 黃高勇;無線多跳中繼網絡資源分配與調度策略研究[D];西南交通大學;2014年

相關碩士學位論文 前10條

1 張文碩;基于監(jiān)督學習的自適應調制編碼和功率分配算法研究[D];哈爾濱工業(yè)大學;2019年

2 劉震;基于OAI的自適應調制編碼技術的研究與實現[D];上海師范大學;2019年

3 李程坤;基于強化學習的自適應調制編碼技術的研究[D];杭州電子科技大學;2018年

4 徐行;TD-LTE系統(tǒng)中鏈路自適應技術的研究[D];武漢郵電科學研究院;2015年

5 薛德友;星地鏈路通信自適應調制編碼技術研究[D];哈爾濱工業(yè)大學;2012年

6 馬康平;TD-HSDPA中自適應調制編碼技術研究[D];西安科技大學;2008年

7 蔣佳俊;3G LTE下行鏈路自適應調制編碼技術研究[D];復旦大學;2009年

8 張維;LTE系統(tǒng)的跨層AMC設計與實現[D];武漢理工大學;2014年

9 黃寒冰;高鐵環(huán)境下無線接入技術研究[D];杭州電子科技大學;2017年

10 張宇峰;大氣光通信中的自適應編碼研究[D];西安理工大學;2008年

本文編號：2874336