神经网络技术在大气激光信道反演分析及信道编码译码中的应用研究

发布时间：2020-09-15 10:11

　　 本论文分为两个部分,第一个部分为自由空间光通信领域的信道反演研究,尤其是对雨信道进行了分析。在第二部分,主要研究了信道编码和信道译码技术。采用神经网络技术,最终完成具有智能的编码过程。第一章,我们对大气激光通信信道研究的瓶颈进行了阐述,尤其采用传统数学方式,对信道反演存在的困难进行了演绎;另一方面,对传统的信道编码技术,译码技术做了简要介绍,包含常用的LDPC编码、RS编码。第二章,提出了权值特征提取技术,是一种从训练好的多层感知器网络中反演提取训练样本组特征信道的一种全新的数据分析工具,这种技术能够实现数据集的深度分析研究。首先,把大气激光通信实验数据集转化为多层感知器网络的训练样本集;其次,利用该训练样本集来训练多层感知器网络,此时,样本集中的核心信息在训练结束后将充分转移到网络中去;最后,采用权值特征提取技术在训练好的网络中提取特征信息,并计算权值能量通道以及数据集的关联度。实际测试的结果表明:季节因素强于降雨量因素,雨强对大气激光雨信道质量影响最大。这个结果对大气激光雨信道研究具有重要参考意义。第三章,对青藏高原大气激光雨信道进行了反演分析。对于这方面的研究,由于缺乏原始的实验数据和合适的数据分析手段,这方面的研究一直都很少有人问津。在本章,采用了神经网络群与初始权值优化相结合的分析处理手段。首先,根据不同的季节条件来构造神经网络群;其次,采用初始权值优化算法,通过已有的大气激光雨信道的原始实验数据集来选择匹配的初始权值;再次,训练神经网络群,直至神经网络群达到期望的收敛要求;最后,加载青藏高原降雨气象数据(以拉萨为例)到训练好的神经网络群中,从而反演出最终的信道质量。最后的结论表明,在春季的降雨,青藏高原大气激光雨信道质量最佳,紧接着是冬雨、夏雨和秋雨。第四章,采用神经网络技术对LDPC信道编码进行了信道反演分析。由于缺乏合适的数据分析工具,尤其是在大气激光雨信道的条件下,LDPC编码性能的研究很少受人关注。在本章中,提出了前向权值特征提取算法,这种算法是在训练好的多层感知器网络中提取特征信息的一种新方法。首先,大气激光雨信道环境下,LDPC信道编码的原始实验数据集,需要通过预处理,转换为多层感知器网络能够使用的训练样本集;其次,根据训练样本集的大小建立网络,并用初始权值优化技术选择与训练样本集相匹配的初始权值;再次,利用误差反传算法训练多层感知器网络直至总误差达到要求;最后,利用前向权值特征提取算法从训练完成的网络中提取特征信息,即:最终可以计算出雨信道中各个因素对LDPC信道编码性能的影响程度。实验表明,雨强对LDPC性能的关联度为39,这与对实验数据的直接分析结论是一致的;季节的关联度第二,为24;信道质量位列第三,为19;降雨量的关联度最小,为18第五章,提出了一种新型通用神经网络译码器,该译码器为对称自组织映射结构,能够完成对任意纠错码的译码。这种对称自组织映射结构的译码器,采用LDPC编码进行了测试,并与传统译码器进行了性能的比较,仿真。实际的结果表明,对称自组织映射结构的译码器能够完成边学习,边译码的功能,并且不需要事先知道对应的编码规则。码字出现的概率越高,则译码纠错的质量越好。相比传统的纠错译码器,它更易于构造,针对不同类型码字的普适性高,在未来通信信道编码领域具有一定的前景。第六章,提出了前向神经网络编码器的设计,这种信道编码器采用自组织映射的神经网络作为编码器的主要结构。首先,根据源消息位的维度和码字的维度建立自组织映射神经网络;其次,选择合适的权值分布来初始化神经网络;最后,检测码字的唯一性,直至达到要求。在译码阶段,多层感知器网络作为对应的译码器。首先,根据源消息位数和码字位数的维度来构建对应的多层感知器网络;其次,利用前向神经网络编码器产生的码字组作为样本组训练多层感知器网络,直至网络的总误差达到预设值;最后,利用训练好的多层感知器网络来完成译码工作。实际的仿真测试表明,神经网络编码器和译码器方案是可行的。在合适的前向神经网络结构和输出节点度的情况下,能够获得较好的编码译码效果。总之,由神经网络编码器生成的码字组,是无法用传统的数学方面完成译码工作的,因此,这种编译码方式在安全通信领域具有一定的市场前景。第七章,提出了一种改进型的神经网络编码器,这种编码器采用SOM神经网络单独产生校验位。而最终的完整码字由N个源消息位和K个校验位共同组成。在本项目中,全连接模式与部分连接模式都进行了仿真。在译码端,多层感知器网络被用作译码器。具体步骤如下:(1)根据码字组与源消息位的大小构建多层感知器网络;(2)利用神经网络编码器产生的码字组来训练多层感知器网络,直至网络收敛;(3)训练好的多层感知器网络开始接受码字并译码。实际测试表明:(1)全连接模式与部分连接模式在性能上没有明显的差异;(2)采用Tanner Graph模式来构造权值的部分连接,能够降低运算复杂度,并获得较好的编码译码效果。总之,神经网络编码器具有以下几个优势:(1)神经网络的结构和对应的权值组就是编码算法本身,这种模式具有一定的保密性;(2)神经网络结构简化为部分连接模式,则可以较小的计算复杂度获得较好的编码特性;(3)这种编码译码的方法在保密通信领域具有一定的市场前景。第八章,对信道反演算法进行了总结。不同的信道反演分析算法各自有其合适的应用场合,对此,进行了归纳。权值特征提取技术和前向权值特征提取具有相似之处,即:都是从训练好的神经网络中提取关键信息;而神经网络群技术,则适于受限的原始实验数据集,即:数据集中缺乏原始关键信息。另一方面,对不同信道反演算法进行了比较总结。在权值特征提取技术中,数据集关联的反演是通过权值迭代偏移量来实现的;而在前向权值特征提取中,采用了前向计算的方式去建立数据集内部各个数据之间的联系;神经网络群则是根据数据集内存有间接因果关系,事先划分。进一步,针对不同的编码译码算法,根据其各自的特点进行了总结。每一个算法都有适合其特点的应用场合。另一方面,本文对各个算法进行了比较、研究。对称自组织映射结构的译码器适用于低维度的情况,而多层感知器结构的译码器在实际应用中取得了较好的效果。在神经网络编码器领域,改进型、部分连接模式的编码器,具有计算复杂度低,性能好的特点,在未来应用中有好的前景。
【学位单位】：武汉大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TN929.1;TP183
【部分图文】：

逦０．３ｐｍ邋波长逡逑图１．２电磁波辐射在晴朗天气所受大气衰减与频率的关系逡逑在图１．２中，显示了分子谐振导致出现的衰减峰值状况（衰减与频率之间的关逡逑系曲线）。由曲线可见，在频率约２３ＧＨｚ处，水蒸气对电磁波的吸收产生了第一逡逑个谐振点，而另外两个谐振点则出现在１８０ＧＨｚ和３５０ＧＨｚ处；而对于氧气来说，逡逑其谐振点则出现在６２ＧＨｚ和１２０ＧＨｚ处。逡逑雨衰，是指电磁波进入雨层中引起的衰减，在自由空间激光通信中，电磁波为逡逑近红外光频段。这种衰减包括雨粒吸收引起的衰减和雨粒散射引起的衰减。对于逡逑雨粒吸收引起的衰减，是由于雨粒具有介质损耗引起的；而对于雨粒散射引起的逡逑衰减，则是由于电磁波碰到雨粒时被雨粒反射、再反射引起的。逡逑雨衰的大小与雨滴直径与波长的比值有着可比性关系（这是从一个视角，艮Ｐ：逡逑雨滴直径、波长这两个因素来反演雨衰的变化，其他因素则没有考虑在内），而逡逑雨滴的半径则与降雨率有关（这种关系

保醶玻醶闭攵源笃釵す庥晷诺澜饩龇桨傅闹饕

本文编号：2818832