自适应加权超宽带能量检测接收技术的研究

发布时间：2017-08-30 16:10

  本文关键词：自适应加权超宽带能量检测接收技术的研究

  更多相关文章： 超宽带 加权能量检测接收机 自适应算法 参数优化INLMS算法

【摘要】：超宽带(Ultra-wideband,UWB)通信技术以低功耗、高速率、低成本等特性,已成为一种颇具潜力的短距离无线通信解决方案。接收机技术是超宽带实现的重点和难点问题,如何有效的评价超宽带接收机在衰落信道下的平均性能对超宽带接收机有着重要的理论价值和应用价值。在低码率的超宽带通信系统中,为了节省成本、降低功耗等,一般是采用复杂度较低、采样速率要求不高的非相干接收机,其无需进行信道估计以及复杂的矩阵运算。在非相干超宽带通信系统中,能量检测接收机(Energy Detection,ED)和自相关接收机(Autocorrelation Receiver,Ac R)是目前最为流行的接收技术。其中,ED接收机由于具备结构简单、性能稳健、易于实现等特点,已经成为非相干超宽带通信系统的两大主流接收机技术之一,且通常用于基于脉冲位置调制(Pulse Position Modulation,PPM)信号的超宽带通信系统。本文以加权ED接收机系统为研究对象,围绕其自适应实现展开了深入研究,主要工作可概括如下:1.本文将自适应算法引入加权ED接收机系统中,采用的自适应算法为归一化最小均方(normalized least mean square,NLMS)算法、递归最小均方(recursive least square,RLS)算法和牛顿最小均方(least mean square-Newton,LMS-Newton)算法。利用自适应算法进行迭代优化加权系数,以逼近加权系数的最优解;通过分析比较三种算法在超宽带信道模型下的收敛行为和不同加权系数维度下的误码性能,给出了最佳分段数下的自适应加权ED接收机的误码性能。仿真结果表明,在误码性能和收敛速度方面,RLS算法优于LMS类的算法。相对于RLS算法,NLMS和LMS-Newton算法具有相当的误码性能。同时,NLMS算法在三种算法中具有最低的计算复杂度。同时,相比传统的ED接收机,自适应加权ED接收机的性能增益达0.5~1.2dB。2.在变步长INLMS算法的基础上,针对其影响算法性能的参数做进一步的优化,得到参数优化的INLMS算法,并把它应用到加权ED接收机系统中,对其收敛行为和误码性能进行了分析。仿真结果表明,参数优化的INLMS算法实现的加权ED接收机在误码性能方面稍微优于传统的NLMS算法实现的加权ED接收机,增益达0.3dB左右,尽管参数优化的INLMS算法在误码性能方面的优势不是很明显,但在收敛速度方面,其具有明显的优势。
【关键词】：超宽带 加权能量检测接收机 自适应算法 参数优化INLMS算法
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN925;TN851
【目录】：

• 摘要4-6
• Abstract6-10
• 第一章 绪论10-16
• 1.1 研究背景和研究意义10-12
• 1.2 UWB能量检测接收机研究现状12-13
• 1.3 本文主要研究内容13-15
• 1.4 论文章节安排15-16
• 第二章 超宽带系统基本原理简介16-30
• 2.1 UWB信号的定义16-17
• 2.2 信号模型17-21
• 2.2.1 脉冲波形17-19
• 2.2.2 数据调制方式19-21
• 2.3 UWB信道模型21-26
• 2.3.1 路径损耗模型22-23
• 2.3.2 多径模型23-26
• 2.3.3 小尺度衰落模型26
• 2.4 接收机模型26-28
• 2.4.1 能量检测接收机27
• 2.4.2 传输参考接收机27-28
• 2.5 本章小结28-30
• 第三章 自适应加权超宽带ED接收机30-48
• 3.1 加权ED接收机系统描述30-33
• 3.1.1 系统模型30-31
• 3.1.2 加权ED接收机结构31-33
• 3.2 基于自适应算法的加权ED接收机的实现过程33-39
• 3.2.1 自适应加权ED接收机的实现过程33-35
• 3.2.2 自适应算法35-39
• 3.3 仿真结果与分析39-48
• 3.3.1 NLMS算法在不同步长值下的收敛行为41-44
• 3.3.2 各算法的收敛性能44-45
• 3.3.3 误码性能分析45-48
• 第四章 基于优化INLMS算法的加权ED接收机48-58
• 4.1 优化的INLMS算法48-53
• 4.1.1 INLMS算法49-51
• 4.1.2 参数优化的INLMS算法51-53
• 4.2 仿真结果与分析53-58
• 4.2.1 收敛性能54-56
• 4.2.2 接收机误码性能56-58
• 总结与展望58-62
• 总结58-59
• 展望59-62
• 参考文献62-65
• 攻读硕士学位期间所取得的研究成果65-66
• 致谢66

【相似文献】

中国期刊全文数据库 前10条

1 池磊;李文勇;;模糊数学和自适应加权平均在多传感器数据融合中的比较研究[J];装备制造技术;2012年12期

2 李大勇,王红军;基于时间序列的自适应加权被动定位[J];计算机仿真;2004年11期

3 陈晓娟;夏立;卜乐平;杨加军;;自适应加权融合算法在图像型火灾探测系统中的应用[J];舰船电子工程;2011年03期

4 肖军,张石,徐心和;基于模糊组合变量的自适应加权控制[J];控制与决策;2001年02期

5 梁毓明;徐立鸿;朱丙坤;;测距传感器系统的测距数据在线自适应加权融合[J];工业仪表与自动化装置;2009年05期

6 张阳;沈明霞;孙玉文;刘政;柏广宇;;基于多传感器自适应加权融合的温室信息系统[J];传感器与微系统;2014年06期

7 常瑞娜;穆晓敏;杨守义;齐林;;基于局部空间像素特征的自适应加权滤波算法[J];计算机工程与应用;2008年06期

8 陈晓云;胡运发;;基于自适应加权的文本关联分类[J];小型微型计算机系统;2007年01期

9 郑驰超;彭虎;韩志会;;互相关自适应加权的医学超声成像算法研究[J];物理学报;2014年14期

10 关新平,刘冬,唐英干;基于可分离性判据的自适应加权纹理图像分割[J];计算机应用研究;2005年11期

中国硕士学位论文全文数据库 前5条

1 邵州华;多传感器数据融合算法的研究与应用[D];东北大学;2013年

2 杨浩博;多外观模型自适应加权的粒子滤波目标跟踪算法研究[D];郑州大学;2016年

3 李培培;自适应加权超宽带能量检测接收技术的研究[D];长安大学;2016年

4 朱晓倩;自适应加权平均滤波器权系数的选取[D];暨南大学;2008年

5 姜滨;FSP近区段含水率预测算法及温度自适应加权融合方法研究[D];东北林业大学;2010年

，

本文编号：760274