隨著信息化時(shí)代的到來,移動(dòng)通信技術(shù)逐漸成為人們?nèi)粘＝涣髋c溝通的主要通信手段,隨著用戶數(shù)量日益增加,傳統(tǒng)的無線通信技術(shù)面臨著頻譜利用率低,系統(tǒng)容量小,數(shù)據(jù)傳輸率低的問題。多輸入多輸出（MIMO）技術(shù)的出現(xiàn),在一定程度上解決了信道容量和傳輸速率問題。近年來,深度學(xué)習(xí)在圖像處理,語音識(shí)別,自然語言理解等方面均有良好的性能展示,因此將基于數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)方法運(yùn)用到信號(hào)檢測(cè),信道估計(jì),調(diào)制識(shí)別等通信領(lǐng)域是十分有必要的。本文利用深度學(xué)習(xí)工具研究MIMO技術(shù)中的兩個(gè)關(guān)鍵點(diǎn)——信號(hào)檢測(cè)技術(shù)與信道狀態(tài)信息獲取技術(shù),研究?jī)?nèi)容包括以下兩個(gè)方面:1)基于BD-Net網(wǎng)絡(luò)的MIMO信號(hào)檢測(cè)算法目前現(xiàn)有的MIMO檢測(cè)算法存在計(jì)算復(fù)雜度高,假設(shè)前提強(qiáng),難以統(tǒng)計(jì)噪聲信息等諸多問題,基于深度學(xué)習(xí)的DetNet網(wǎng)絡(luò)在信號(hào)檢測(cè)過程中無需噪聲統(tǒng)計(jì)信息,具有接近最優(yōu)的檢測(cè)性能,但是存在網(wǎng)絡(luò)訓(xùn)練參數(shù)量大,網(wǎng)絡(luò)收斂速度慢,且假設(shè)信道狀態(tài)已知等限制。BD-Net（BiLSTM-Detection Network）網(wǎng)絡(luò)利用投影梯度下降法優(yōu)化發(fā)送信號(hào)最大似然估計(jì)問題,利用神經(jīng)網(wǎng)絡(luò)的擬合與泛化特性設(shè)計(jì)以雙向LSTM為基本單元的神經(jīng)網(wǎng)絡(luò),... 

【文章來源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１單用戶系統(tǒng)模型??

?第２章???所接收到的矢量信號(hào)表示為丫?＝?［：＾，乃，．．．，外／，加性高斯白噪聲（Ａｄｄｉｔｉｖｅ?ｗｈｉｔｅ??Ｇａｕｓｓｉａｎ?ｎｏｉｓｅ，ＡＷＧＮ）矢量則使用ｎ?＝?［４，％，…，心，］７表不，則復(fù)基帶系統(tǒng)模型可??以表示為：??ｙ?＝?Ｈ＼?＋?ｎ?（２．１）??為了方便數(shù)據(jù)處理，可以將（２．１）中的復(fù)系統(tǒng)模型轉(zhuǎn)變?yōu)閷?shí)系統(tǒng)模型：??ｙ?＝?＾ｘ?＋?ｎ?（２．２）??其中，歹＝卜）］，ｋ［Ｒｅ⑴］，Ｓ?＝?［Ｒｅ（ｎ）］，月＝?［＿）??［＿Ｉｍ（ｙ）Ｊ?｜ｊｍ（ｘ）」?［叫＂）Ｒｅ（＾〇?＿??在多用戶ＭＩＭＯ系統(tǒng)中，存在多個(gè)不同用戶，且同時(shí)存在多個(gè)用戶發(fā)送或??接收并行數(shù)據(jù)流，數(shù)據(jù)流始終占用相同時(shí)頻資源。其系統(tǒng)模型如圖２．２所示，??此時(shí)的ＭＩＭＯ系統(tǒng)被用于增加多個(gè)用戶的速率。??ｒｉＡ＇??：??ｎ????圖２．２多用戶系統(tǒng)模型??對(duì)于多用戶系統(tǒng)模型，假設(shè)存在尺個(gè)用戶，每個(gè)用戶的發(fā)射天線數(shù)為》，??信號(hào)接收端的基站接收天線數(shù)為Ｗ，則接收端接收到的矢量信號(hào)可以表示為：??ｙ?＝?（２．３）??＊＝１??其中，ｙ＝Ｌｙ１，ｈ，．．．，＾］７＇表示＃個(gè)接收天線接收到的矢量信號(hào)，??表示第ｉｔ個(gè)用戶發(fā)送的信號(hào)，巧表示第灸個(gè)用戶與接收端之??間的信道矩陣，ｎ?＝［？，，％，．．．，？］表示加性高斯白噪聲矢量。??１０??

章???基于判決反饋均衡（ｄｅｃｉｓｉｏｎ－ｆｅｅｄｂａｃｋ?ｄｅｔｅｃｔｏｒ，?ＤＦ）的檢測(cè)器［４４］繼承連續(xù)干??擾消除（ｓｕｃｃｅｓｓｉｖｅ?ｉｎｔｅｒｆｅｒｅｎｃｅ?ｃａｎｃｅｌｌａｔｉｏｎ，ＳＩＣ）的思想，每次只檢測(cè)單個(gè)符號(hào)ｓ，，??并將單個(gè)符號(hào)的影響從接收信號(hào)中去除，減少對(duì)尚未檢測(cè)的其他符號(hào)造??成的影響。ＤＦ檢測(cè)器的重點(diǎn)在于接收機(jī)中前饋濾波器和反饋濾波器的優(yōu)化，最??重要的是在檢測(cè)較弱的信號(hào)之前先消除最強(qiáng)干擾信號(hào)的影響。基于判決反饋均??衡檢測(cè)器的基本原理圖可以由圖２．３表示。??／?？?＾??Ｕｐｄａｔｅ?ｒｅｓｉｄｕａｌ?（?丨?丨?６??———？丨?ｓｉｇｎａｌ?ｖｅｃｔｏｒ??？?Ｌｉｎｅａｒ?ｄｅｔｅｃｔｏｒ?＾＾Ｄ＾ｃｏｄｅＴＨ￣￣＾??＾?＾??＾?Ｔ?—?［????■？／?＊＊？?—一—－?￣—??Ｖ??Ｊ?＾Ｃｈａｎｎｅｌ?ｍａｔｒｉｘ＾，??ｕ?４一＾?．?：［?＾??［?＾?Ｒｅ?ｅｎｃｏｄｅ?ａｎｄ??Ｕｋ?ｒｅ?ｍｏｄｕｌａｔｅ??ｖ?ｙ??圖２．３?ＤＦ檢測(cè)算法原理圖??本小節(jié)主要介紹基于ＺＦ準(zhǔn)則的判決反饋均衡算法。ＱＲ分解信道矩陣／／可??以得到??Ｈ?＝?ＱＲ??「Ｒ］?（２．８）??＝?［Ｑ？ＱＪ?〇??其中Ｒ表示上三角矩陣，其大小為ｙｘ＃，，Ｑ，表示大小為從ｘｉＶ，的酉矩陣，Ｑ２??表示的酉矩陣，零矩陣０的大小為將（２．８）帶入（２．１）??式中并化簡(jiǎn)可以得到??Ｒ—??ｙ?＝?［Ｑ”Ｑ２ｌ?ｘ＋ｎ??Ｊ?”?２?Ｌ〇」?（２．９）??＝?Ｑ，Ｒｘ?＋?ｎ??將Ｑｆ左乘（２．９）式可


本文編號(hào)：3243284