通信信道建模的神经网络优化技术研究

论文摘要

通信技术与控制理论的融合已经成为一个重要的科学研究方向,论文将智能控制理论中的人工神经网络技术应用在通信信道建模中。在仿真得到表征信道特征数据的基础上,研究了典型通信系统信道建模的人工神经网络优化方法。信道是通信系统的传输媒介,为了在有限的频谱资源上高质量、大容量地传输信息,就必须掌握电波在信道中的传播特性及变化规律,建立信道模型。人工神经网络是具有并行信息处理能力、自适应处理能力及优异的学习和模仿能力的非线性动力学系统。其特点包括良好的自组织、自学习能力;善于在复杂环境下充分逼近任意非线性系统,快速获得满足多种约束条件的最优化答案;具有高度的鲁棒性和容错能力等。相比传统信道建模方法—理论计算方法和实际测量方法,人工神经网络技术既能减少繁杂的数值计算,又具有灵活性和精度高的优点。首先,论文作者研究了人工神经网络的基础理论和模型开发的若干基本问题,分析了神经网络信道建模的方法步骤,比较了已有神经网络建模的训练算法、结构和不足。另外,针对信道建模数据量获取难度问题、系统建模所需灵敏度信息问题、模型的高复杂度和非线性问题,阐述了用于建模的改进神经网络结构形式。其次,提出了电力线噪声信道和多径信道的神经网络优化建模方法。为了获取神经网络模型训练和测试数据,论文在Matlab中建立了电力线多径和噪声信道(包括有色背景噪声、窄带噪声和脉冲噪声)模型并进行了数据分析,研究了分群Markov链在信道脉冲噪声特性中的应用。基于训练数据,选择了神经网络结构和算法,进行了电力线背景噪声、窄带噪声、多径信道和脉冲噪声特性建模;比较了不同的网络结构和训练数据量对模型的影响。仿真结果表明该信道模型性能好,运算速度快。再次,论文针对DRM短波信道高斯功率谱特性滤波器设计的复杂性和精确度问题,提出了高斯功率谱特性滤波器的神经网络优化设计方法。在深入研究DRM标准的基础上,实现了DRM接收系统的仿真构建,并采用二维维纳滤波算法进行了信道数据的获取。然后,基于信道估计的方法,进行了DRM信道时域和频域特性的神经网络逼近。结果表明,神经网络模型运算速度快、精度高,是加快系统仿真的信道模型选择方案。最后,论文中提出了针对无线移动信道特性的神经网络建模技术。提出了多径信道的神经网络模型结构和频域神经网络模型。所建立的瑞利和莱斯衰落信道神经网络模型的CDF和PDF曲线与Matlab数值仿真基本一致。论文根据3GPP2标准中给出的多普勒衰落信号产生方法,提出了基于抽头延迟神经网络结构的时域多普勒信道优化模型。用余弦基神经网络方法优化设计了频域多普勒衰落成形滤波器。经仿真验证设计符合要求,并且有计算速度快,精度高,过渡带和阻带可控等优点。论文还针对加性高斯白噪声和3GPP2标准中规定的路径损耗进行了神经网络建模。对天线间距与信道相关系数曲线和不同倾斜角度下极化天线相关性曲线进行了神经网络逼近。从模型的测试结果中得到结论,神经网络是快速、有效的建模方法。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景
• 1.1.1 基于神经网络的通信信道建模意义
• 1.1.2 典型信道环境建模的研究
• 1.1.3 基于神经网络的信息处理和信道建模动态
• 1.2 论文的组织结构
• 1.3 论文的主要工作及创新点
• 第二章 人工神经网络的理论基础和建模方法
• 2.1 神经元模型和网络结构
• 2.1.1 神经元的生物模型
• 2.1.2 神经元的数学模型
• 2.1.3 神经网络的结构
• 2.2 典型的人工神经网络
• 2.2.1 多层感知器
• 2.2.2 径向基神经网络
• 2.2.3 小波神经网络
• 2.2.4 递归神经网络
• 2.3 神经网络结构的改进
• 2.3.1 基于知识的神经网络
• 2.3.2 伴随神经网络
• 2.3.3 动态神经网络
• 2.4 神经网络模型开发的关键问题
• 2.4.1 模型输入与输出
• 2.4.2 数据范围和样本分布
• 2.4.3 数据来源
• 2.4.4 数据组织
• 2.4.5 数据预处理
• 2.4.6 权重参数初始化
• 2.5 神经网络模型训练
• 2.5.1 误差求导计算
• 2.5.2 相关问题讨论
• 2.5.3 训练过程综述
• 2.5.4 学习现象
• 2.5.5 质量评价
• 2.5.6 训练算法
• 2.6 本章小结
• 第三章 电力线信道建模的神经网络优化技术
• 3.1 电力线多径信道模型分析
• 3.2 电力线信道噪声模型分析
• 3.2.1 电力线信道噪声分类
• 3.2.2 有色背景噪声数学模型
• 3.2.3 窄带噪声数学模型
• 3.2.4 周期性脉冲噪声数学模型
• 3.2.5 非周期性脉冲噪声数学模型
• 3.3 电力线信道模型仿真
• 3.3.1 多径模型下的信道频率特性仿真
• 3.3.2 电力线信道脉冲噪声仿真
• 3.4 电力线信道模型的神经网络优化技术
• 3.4.1 基于神经网络的有色背景噪声建模
• 3.4.2 基于神经网络的电力线窄带噪声信道建模
• 3.4.3 电力线多径信道特性的神经网络逼近
• 3.4.4 电力线信道脉冲噪声特性的神经网络逼近
• 3.5 本章小结
• 第四章 DRM信道估计与基于神经网络的DRM信道建模
• 4.1 DRM信道模式
• 4.2 DRM信道数据的获取
• 4.2.1 信号传输与信道响应模型
• 4.2.2 获取信道估计的导频
• 4.2.3 信道估计
• 4.3 DRM信道的神经网络建模
• 4.3.1 DRM信道模型参数
• 4.3.2 DRM信道衰落特性神经网络建模
• 4.3.3 基于神经网络的DRM信道时域特性曲线逼近
• 4.3.4 基于神经网络的DRM信道频域特性曲线逼近
• 4.4 本章小结
• 第五章 无线移动信道建模与神经网络优化技术的结合研究
• 5.1 无线电波传播和衰落分类
• 5.2 无线移动信道分析与建模
• 5.2.1 多径信道分析与建模
• 5.2.2 多普勒效应分析与建模
• 5.2.3 MIMO信道模型及仿真
• 5.3 无线移动信道模型的神经网络优化设计
• 5.3.1 基于神经网络的多径信道模型
• 5.3.2 基于神经网络的多普勒信道模型
• 5.3.3 基于神经网络的MIMO信道特性建模
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 论文研究内容总结
• 6.1.1 人工神经网络的理论基础和建模方法
• 6.1.2 电力线信道建模的神经网络优化技术
• 6.1.3 DRM信道估计和基于神经网络的DRM信道建模
• 6.1.4 无线移动信道建模与神经网络优化技术结合研究
• 6.2 神经网络信道建模研究的展望
• 6.2.1 神经网络建模理论的完善
• 6.2.2 神经网络信道模型应用
• 参考文献
• 发表论文和参加科研情况说明
• 致谢