智能設備和物聯(lián)網(wǎng)的高速發(fā)展所衍生的新應用對無線通信網(wǎng)絡的傳輸速率和靈活性均提出了新的挑戰(zhàn)。傳統(tǒng)設計方法過于依賴簡化的模型假設且難以針對不同應用需求定制化設計。為克服上述困難,本文將數(shù)據(jù)驅動的機器學習與多輸入多輸出（Multiple-Input Multiple-Output,MIMO）無線通信系統(tǒng)結合,研究了如何利用MIMO系統(tǒng)特征定制機器學習算法以提高無線通信系統(tǒng)的傳輸效率和靈活性�；贛IMO接收信號的成簇特征,本文針對時分雙工（Time-Division Duplex,TDD）MIMO系統(tǒng)提出一種基于聚類學習算法的信號檢測系統(tǒng)設計方案。基于該方案可以在統(tǒng)一的聚類收發(fā)機框架下根據(jù)性能需求靈活設計非線性和線性檢測算法。該方案無需顯式的信道估計但性能可以逼近信道已知的信號檢測算法。進一步的,基于MIMO信道與數(shù)字調制的特征,本文提出一種用于MIMO信號檢測的調制約束聚類算法。通過理論分析,本文證明了該方法可降低算法的樣本復雜度,并使得聚類檢測所需估計的參數(shù)數(shù)量與調制階數(shù)無關。最后,本文分別針對最大似然檢測和線性檢測算法兩類典型算法提出基于調制約束聚類學習的收發(fā)機設計方法,并在典型衰落信... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：103 頁

【學位級別】：碩士

【部分圖文】：

射線追蹤信道模型

QPSK調制的信道已知的2×2MIMO誤碼率對比

QPSK調制的信道已知的8×8MIMO誤碼率對比


本文編號：2929712