基于卷積神經(jīng)網(wǎng)絡(luò)的MIMO通信系統(tǒng)設(shè)計
發(fā)布時間:2022-10-11 11:33
隨著數(shù)據(jù)量的日益增多和5G等移動技術(shù)的發(fā)展,人類對于網(wǎng)絡(luò)數(shù)據(jù)傳輸速率和可靠性有了更高的要求。然而傳統(tǒng)的通信系統(tǒng)因為其模塊化設(shè)計,并且需要基于理想的數(shù)學模型,因此不能在任意信道環(huán)境下達到最優(yōu)的性能。與此同時,人工智能超越了傳統(tǒng)的移動通信設(shè)計理念,提高了移動通信性能,為應(yīng)對上述挑戰(zhàn)提供了很大的可能,其中基于深度學習的端到端通信系統(tǒng)設(shè)計理念受到更多關(guān)注。為此,本文針對進一步提升無線通信系統(tǒng)的可靠性這一具體問題,將深度學習引入通信系統(tǒng)中,對基于深度學習的多輸入多輸出(Multiple-Input Multiple-Output,MIMO)系統(tǒng)進行研究。針對提高現(xiàn)有端到端通信系統(tǒng)的可靠性和泛化能力問題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的空時分組碼(Space-Time Block Coding,STBC)MIMO通信系統(tǒng)物理層方案。該方案將通信系統(tǒng)物理層表述、調(diào)制和解調(diào)過程聯(lián)合起來形成端到端自編碼器系統(tǒng),將二進制比特流經(jīng)過多層一維卷積層(Conv1D)進行編碼和調(diào)制,學習到一個最好的編碼調(diào)制方式,通過多個發(fā)射天線和接收天線進行發(fā)送和接收...
【文章頁數(shù)】:75 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 研究歷史和研究現(xiàn)狀
1.2.1 深度學習的發(fā)展史
1.2.2 基于深度學習的通信系統(tǒng)研究現(xiàn)狀
1.3 課題主要研究內(nèi)容與組織結(jié)構(gòu)
1.3.1 本文主要研究內(nèi)容
1.3.2 組織架構(gòu)
2 MIMO系統(tǒng)模型及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.1 MIMO系統(tǒng)模型
2.1.1 信道模型
2.1.2 空時編碼
2.1.3 信道編碼
2.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.2.1 神經(jīng)網(wǎng)絡(luò)原理
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.3 自編碼器
2.3 本章小結(jié)
3 基于CNN的MIMO自編碼器系統(tǒng)
3.1 引言
3.2 系統(tǒng)模型及網(wǎng)絡(luò)結(jié)構(gòu)
3.3 仿真結(jié)果及分析
3.3.1 瑞利衰落信道下的MIMO自編碼器系統(tǒng)
3.3.2 高斯白噪聲信道下的MIMO自編碼器系統(tǒng)
3.4 本章小結(jié)
4 高可靠性的MIMO自編碼器系統(tǒng)
4.1 引言
4.2 網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)優(yōu)化
4.3 仿真結(jié)果及分析
4.3.1 瑞利衰落信道下的MIMO自編碼器系統(tǒng)
4.3.2 高斯白噪聲信道下的MIMO自編碼器系統(tǒng)
4.4 本章小結(jié)
5 相關(guān)及突發(fā)信道下的MIMO自編碼器系統(tǒng)
5.1 引言
5.2 系統(tǒng)模型
5.3 仿真結(jié)果及分析
5.4 本章小結(jié)
6 總結(jié)與展望
6.1 論文工作總結(jié)
6.2 未來展望
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果
【參考文獻】:
期刊論文
[1]基于人工智能的無線傳輸技術(shù)最新研究進展[J]. 張靜,金石,溫朝凱,高飛飛,江濤. 電信科學. 2018(08)
[2]瑞利相關(guān)衰落下MIMO系統(tǒng)的差錯率分析[J]. 滕勇,吳軍力,羅濤,樂光新. 重慶郵電學院學報(自然科學版). 2003(03)
博士論文
[1]非高斯噪聲衰落信道中空時編碼性能的研究[D]. 王旭東.西安電子科技大學 2007
本文編號:3690497
【文章頁數(shù)】:75 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 研究歷史和研究現(xiàn)狀
1.2.1 深度學習的發(fā)展史
1.2.2 基于深度學習的通信系統(tǒng)研究現(xiàn)狀
1.3 課題主要研究內(nèi)容與組織結(jié)構(gòu)
1.3.1 本文主要研究內(nèi)容
1.3.2 組織架構(gòu)
2 MIMO系統(tǒng)模型及神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.1 MIMO系統(tǒng)模型
2.1.1 信道模型
2.1.2 空時編碼
2.1.3 信道編碼
2.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
2.2.1 神經(jīng)網(wǎng)絡(luò)原理
2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.3 自編碼器
2.3 本章小結(jié)
3 基于CNN的MIMO自編碼器系統(tǒng)
3.1 引言
3.2 系統(tǒng)模型及網(wǎng)絡(luò)結(jié)構(gòu)
3.3 仿真結(jié)果及分析
3.3.1 瑞利衰落信道下的MIMO自編碼器系統(tǒng)
3.3.2 高斯白噪聲信道下的MIMO自編碼器系統(tǒng)
3.4 本章小結(jié)
4 高可靠性的MIMO自編碼器系統(tǒng)
4.1 引言
4.2 網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)優(yōu)化
4.3 仿真結(jié)果及分析
4.3.1 瑞利衰落信道下的MIMO自編碼器系統(tǒng)
4.3.2 高斯白噪聲信道下的MIMO自編碼器系統(tǒng)
4.4 本章小結(jié)
5 相關(guān)及突發(fā)信道下的MIMO自編碼器系統(tǒng)
5.1 引言
5.2 系統(tǒng)模型
5.3 仿真結(jié)果及分析
5.4 本章小結(jié)
6 總結(jié)與展望
6.1 論文工作總結(jié)
6.2 未來展望
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果
【參考文獻】:
期刊論文
[1]基于人工智能的無線傳輸技術(shù)最新研究進展[J]. 張靜,金石,溫朝凱,高飛飛,江濤. 電信科學. 2018(08)
[2]瑞利相關(guān)衰落下MIMO系統(tǒng)的差錯率分析[J]. 滕勇,吳軍力,羅濤,樂光新. 重慶郵電學院學報(自然科學版). 2003(03)
博士論文
[1]非高斯噪聲衰落信道中空時編碼性能的研究[D]. 王旭東.西安電子科技大學 2007
本文編號:3690497
本文鏈接:http://sikaile.net/shoufeilunwen/xixikjs/3690497.html
最近更新
教材專著