基于深度神经网络的无线通信信号检测算法研究
发布时间:2024-11-06 21:30
随着当前无线通信与互联网的迅猛发展,移动设备接入数量与日俱增,人们在适应移动互联生活的同时也对无线通信系统的传输质量和传输速率提出了更高的要求。多输入多输出(MIMO)技术由于能在不增加系统带宽的情况下成倍的提高系统传输速率和频谱利用率,已经成为新时代无线通信系统的关键技术之一。然而使用多天线进行发送和接收,导致了对接收信号的处理变得复杂,而且这种复杂度更会随着大量天线的布置极速增加,因此研究复杂度低、误码率低的信号检测算法依然是无线通信技术的一个重要研究方向。本文基于深度神经网络针对MIMO信号检测技术展开深入的探讨和研究。首先介绍MIMO技术的研究背景以及发展现状,随后对MIMO信道特性、系统模型进行分析,阐述多种典型的MIMO系统信号检测算法并简要分析算法复杂度,之后对几种常见的深度神经网络模型及其原理作简要介绍。然后通过分析MIMO接收信号的类别特性,阐述了接收信号的类别特性与发送信号之间的联系,分析不同信噪比之下特征信息的可识别程度,给出了基于自动编码机(AE)进行信号特征提取以及超限学习机(ELM)实现特征识别和分类的信号检测算法,并通过仿真实验验证了算法的可行性与良好性能,...
【文章页数】:63 页
【学位级别】:硕士
【部分图文】:
本文编号:4011611
【文章页数】:63 页
【学位级别】:硕士
【部分图文】:
383.2基于AE-ELM的MIMO信号检测算法如图3-2a和3-2b所示,本节基于V-BLAST以一个2×2的MIMO系统为例对其在高信噪比和低信噪比条件下的接收信号状态进行了一个仿真展示,图中以信号向量作为横纵坐标标注接收信号对应位置,相同形状表示相同发送信号对应的接收....
图3-3MIMO系统AE-ELM检测器结构框图M检测算法的工作流程主要包裹两个部分:训练和检测部分。训练检测器参数自动编码机的无监督训练学习自动获取输入数据更加抽象和使其拥有对新样本数据的特征提取能力,之后利用标签数据据对超限学习机进行的识别和分类训练,让它能够准确的对不进行分....
本文编号:4011611
本文链接:https://www.wllwen.com/kejilunwen/wltx/4011611.html
上一篇:基于自适应免疫粒子群优化的DV-Hop定位算法
下一篇:没有了
下一篇:没有了