本文關(guān)鍵詞：基于Hammerstein模型的非線性信道辨識和均衡技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：衛(wèi)星通信系統(tǒng)中,功率放大器的非線性特性會影響系統(tǒng)的傳輸特性,引入碼間干擾。為了應(yīng)對非線性失真帶來的不利影響,提高通信性能,在接收端需要對信道進行失真補償。失真補償器的設(shè)計和補償算法與信道特性密切相關(guān),故首先需要判定信道的非線性有記憶特性。信道辨識和均衡技術(shù)能有效減小碼間干擾,是補償信道失真,提高系統(tǒng)傳輸性能的有效措施。本文基于Hammerstein非線性模型,從信道特性判定技術(shù)、復(fù)數(shù)域上的非線性信道迭代辨識算法和基于核的非線性信道均衡算法三個方面研究非線性信道的辨識和均衡問題。首先,為了有效判定Hammerstein信道的非線性有記憶特性,提出了一種先判定信道記憶特性,再判定信道非線性特性的分步判定算法。本文算法中,首先基于GM線性模型辨識算法,給出復(fù)信號輸入的Hammerstein模型線性模塊辨識算法,并用線性記憶深度判定信道的記憶特性。然后針對有記憶信道,建立輸入和輸出信號的最小二乘參數(shù)擬合模型,根據(jù)線性信道和非線性信道的擬合特性與擬合階數(shù)的關(guān)系,判定出有記憶信道的非線性特性。仿真實驗表明,本文算法在信道非線性強度較強時能有效判定信道的非線性有記憶特性。其次,為了得到適用于復(fù)數(shù)域的Hammerstein信道辨識算法,將實數(shù)域上的隨機梯度辨識算法和遞階多新息隨機梯度辨識算法推廣到復(fù)數(shù)域,給出增廣隨機梯度辨識算法和增廣遞階多新息隨機梯度辨識算法。然后在已辨識信道的基礎(chǔ)上,基于Wiener模型均衡器,恢復(fù)出發(fā)送信號。理論分析和仿真實驗表明,兩種增廣辨識算法均能有效地實現(xiàn)信道辨識,恢復(fù)出發(fā)送信號,且增廣遞階多新息辨識算法以增大計算量為代價,具有更高的辨識性能。最后,為了提高復(fù)核自適應(yīng)均衡算法的性能,在特征空間使用變步長因子,將Sigmoid二次型隸屬度函數(shù)運用到復(fù)核最小均方算法中,給出基于Sigmoid二次型隸屬度函數(shù)的變步長復(fù)核自適應(yīng)均衡算法。仿真實驗表明,與定步長復(fù)核自適應(yīng)均衡算法相比,改進算法以增加少量計算復(fù)雜度為代價,有效地克服了非線性信道的影響,降低了穩(wěn)態(tài)誤差,具有較好的均衡性能。同時,引入新的可控變量,使算法調(diào)控更加靈活。
【關(guān)鍵詞】：Hammerstein模型 非線性失真 非線性強度 信道特性 迭代辨識算法 Wiener模型均衡器 復(fù)核自適應(yīng)均衡算法
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN927.2
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-19
• 1.1 研究背景及意義11-12
• 1.2 研究現(xiàn)狀12-15
• 1.2.1 信道特性判定技術(shù)12-13
• 1.2.2 基于Hammerstein非線性信道的辨識算法13-14
• 1.2.3 基于Hammerstein非線性信道的均衡算法14-15
• 1.3 本文主要工作15-16
• 1.4 本文結(jié)構(gòu)安排16-19
• 第二章 非線性信道模型概述19-25
• 2.1 Volterra級數(shù)模型19-20
• 2.2 模塊化非線性模型20-22
• 2.2.1 Wiener模型20-21
• 2.2.2 Hammerstein模型21-22
• 2.3 基于Hammerstein模型的非線性信道傳輸特性分析22-23
• 2.4 本章小結(jié)23-25
• 第三章 信道特性判定技術(shù)研究25-35
• 3.1 信道記憶特性判定方法26-27
• 3.1.1 線性模塊系數(shù)估計26-27
• 3.1.2 線性記憶深度估計27
• 3.2 非線性特性判定方法27-29
• 3.3 計算復(fù)雜度分析29-30
• 3.4 仿真實驗與性能分析30-34
• 3.5 本章小結(jié)34-35
• 第四章 Hammerstein模型的迭代辨識技術(shù)35-51
• 4.1 Hammerstein模型的迭代辨識算法35-40
• 4.1.1 隨機梯度辨識算法35-36
• 4.1.2 改進的隨機梯度辨識算法36-40
• 4.1.2.1 遞階辨識原理37
• 4.1.2.2 多新息辨識理論37-38
• 4.1.2.3 遞階多新息隨機梯度辨識算法38-40
• 4.2 復(fù)數(shù)域上Hammerstein模型的增廣迭代辨識算法40-50
• 4.2.1 增廣隨機梯度辨識算法40-41
• 4.2.2 增廣遞階多新息隨機梯度辨識算法41-42
• 4.2.3 發(fā)送序列的恢復(fù)42-44
• 4.2.4 仿真實驗與性能分析44-50
• 4.3 本章小結(jié)50-51
• 第五章 可變步長復(fù)核LMS自適應(yīng)均衡算法51-65
• 5.1 核方法51-52
• 5.2 復(fù)核LMS算法52-56
• 5.2.1 可再生核空間的復(fù)數(shù)化53
• 5.2.2 Wirtinger’s微分的運用53-54
• 5.2.3 復(fù)核LMS算法的推導(dǎo)54-56
• 5.3 基于Sigmoid二次型隸屬度函數(shù)的復(fù)核變步長LMS算法56-63
• 5.3.1 Sigmoid二次型隸屬度函數(shù)的變步長因子56-57
• 5.3.2 基于Sigmoid二次型隸屬度函數(shù)的復(fù)核變步長LMS算法57-59
• 5.3.3 算法復(fù)雜度分析59
• 5.3.4 仿真實驗及性能分析59-63
• 5.4 本章小結(jié)63-65
• 結(jié)束語65-67
• 致謝67-69
• 參考文獻69-75
• 附錄A 命題1的詳細推導(dǎo)75-77
• 附錄B 命題2的詳細推導(dǎo)77-79
• 附錄C 文中主要英文縮寫名詞對照表79-81
• 作者簡介81

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 陳樹中;;奇次Hammerstein系統(tǒng)自適應(yīng)算法的自校正性和穩(wěn)定性[J];自動化學(xué)報;1984年02期

2 王慶超;張健中;;基于Hammerstein模型的連續(xù)攪拌反應(yīng)釜非線性預(yù)測控制[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2010年05期

3 賴志林;劉向東;耿潔;;壓電陶瓷執(zhí)行器的類Hammerstein模型及其參數(shù)辨識[J];光學(xué)精密工程;2012年09期

4 孔金生,萬百五;一種多輸入單輸出Hammerstein系統(tǒng)的集成辨識方法[J];控制理論與應(yīng)用;2005年04期

5 張媛媛;徐科軍;張進;;基于Hammerstein模型的MAF傳感器的動態(tài)非線性建模[J];電子測量與儀器學(xué)報;2008年04期

6 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 蘇芮;基于Hammerstein模型的非線性信道辨識和均衡技術(shù)研究[D];解放軍信息工程大學(xué);2015年

2 邢偉偉;基于Hammerstein模型的非線性預(yù)測控制的研究[D];浙江工業(yè)大學(xué);2012年

  本文關(guān)鍵詞：基于Hammerstein模型的非線性信道辨識和均衡技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：344486