基于机器学习的MIMO系统收发机设计理论与方法

发布时间：2020-12-21 10:58

　　智能设备和物联网的高速发展所衍生的新应用对无线通信网络的传输速率和灵活性均提出了新的挑战。传统设计方法过于依赖简化的模型假设且难以针对不同应用需求定制化设计。为克服上述困难,本文将数据驱动的机器学习与多输入多输出（Multiple-Input Multiple-Output,MIMO）无线通信系统结合,研究了如何利用MIMO系统特征定制机器学习算法以提高无线通信系统的传输效率和灵活性。基于MIMO接收信号的成簇特征,本文针对时分双工（Time-Division Duplex,TDD）MIMO系统提出一种基于聚类学习算法的信号检测系统设计方案。基于该方案可以在统一的聚类收发机框架下根据性能需求灵活设计非线性和线性检测算法。该方案无需显式的信道估计但性能可以逼近信道已知的信号检测算法。进一步的,基于MIMO信道与数字调制的特征,本文提出一种用于MIMO信号检测的调制约束聚类算法。通过理论分析,本文证明了该方法可降低算法的样本复杂度,并使得聚类检测所需估计的参数数量与调制阶数无关。最后,本文分别针对最大似然检测和线性检测算法两类典型算法提出基于调制约束聚类学习的收发机设计方法,并在典型衰落信... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

射线追踪信道模型

QPSK调制的信道已知的2×2MIMO误码率对比

QPSK调制的信道已知的8×8MIMO误码率对比


本文编号：2929712