基于神经网络的时变无线信道仿真

发布时间：2020-12-10 10:56

　　提高频谱利用率、实现超大容量传输的前提是精准掌握无线信道特性信息.研究了反馈神经网络（Back Propagation Neural Network, BPNN）在无线信道多普勒功率谱仿真中的应用.利用大量样本训练BPNN实现对时变信道进行预测.仿真结果表明,与传统方法对比,BPNN的仿真效果更接近理论值,误差更小,具备很好的容错性,同时模型输出结果的频域呈U型谱,时域自相关函数满足第一类贝塞尔函数,很好地符合Jakes模型的时频域条件.对3种方法的时间复杂度进行比较,结果表明BPNN的时间复杂度最高,牺牲了时间复杂度但换取了高精度和低误差.对3种误差逆向传播算法的仿真结果进行对比,发现列文伯格-马夸尔特（Levenberg-Marquardt, L-M）算法训练BPNN的均方误差最低,效果最佳. 

【文章来源】：北京交通大学学报. 2020年02期 第74-82页 北大核心

【文章页数】：9 页

【部分图文】：

Jakes正弦波叠加法仿真模型实现框图

成型滤波法的仿真结构如图2所示,它是将高斯白噪声输入成型滤波器来产生指定形状的多普勒功率谱,其中 S E (f) 为幅值.实部和虚部均是具有特定形状多普勒功率谱的高斯有色噪声,因此包络服从瑞利分布[12].利用Matlab仿真基于正弦波叠加法和成型滤波法得到的功率谱和时域自相关函数如图3所示,可以看到基于这两种方法得到的功率谱均符合多普勒功率谱的特性,呈U型谱,由成型滤波法得到的功率谱曲线在曲线中部起伏较小,且曲线更贴近U型谱.图3 基于两种方法得到的功率谱和自相关函数

图2 成型滤波法仿真模型实现框图自相关函数也都基本符合第1类贝塞尔函数,由正弦波叠加法得到的曲线的中部和尾部起伏较大,并不总是符合衰减特性,由此可说明成型滤波法的误差小于正弦波叠加法.成型滤波法采用的是随机噪声,因而随机性等各方面性能都比正弦叠加法更为理想.由于通常情况下通信系统的采样速率非常高,最大多普勒频率与采样率相比很小,因此成型滤波器需要的带宽很小,直接实现非常困难.

【参考文献】：
期刊论文
[1]人工智能在移动通信网络中的应用:基于机器学习理论的信道估计与信号检测算法[J]. 朱玥,覃尧,董岚,王公仆.  信息通信技术. 2019(01)
[2]超宽带滤波器的稀疏贝叶斯正则化逆向神经网络建模[J]. 南敬昌,王梓琦,高明明,王颖.  计算机应用与软件. 2018(10)
[3]求解无约束问题的修正PRP共轭梯度算法[J]. 李春念,袁功林.  西南大学学报(自然科学版). 2018(09)
[4]基于神经网络的信道译码算法研究综述[J]. 王玉环,尹航,杨占昕.  中国传媒大学学报(自然科学版). 2018(03)
[5]利用BP神经网络分析检测网络时序型隐信道[J]. 张宇飞,沈瑶,杨威,肖汉,黄刘生.  小型微型计算机系统. 2018(05)
[6]基于BP神经网络的短波通信信道预测方法[J]. 张想,李明齐,王潮.  工业控制计算机. 2017(10)
[7]基于卷积神经网络的信道均衡算法[J]. 陈敏华,李杨,张武雄.  计算机应用与软件. 2017(09)
[8]三维模型中的多普勒功率谱分析[J]. 米杨,张晓瀛,魏急波.  通信技术. 2015(04)
[9]LM算法在神经网络语音识别中的应用[J]. 孙峰,姚毅,李成刚.  科学技术与工程. 2011(09)
[10]基于Levenberg-Marquardt算法和最小二乘方法的小波网络混合学习算法[J]. 魏荣,卢俊国,王执铨.  信息与控制. 2001(05)

博士论文
[1]通信信道建模的神经网络优化技术研究[D]. 马永涛.天津大学 2009



本文编号：2908578