基于支持向量机的OFDM系统的信道估计研究
发布时间：2021-10-07 22:21
移动通信系统的信号传输过程中,由于信道衰落、多径传输、时延扩展等因素的影响,使得信道传输特性具有不确定性,在接收端会产生符号间干扰、码间串扰等问题,再加上不可避免的噪声影响,接收信号就可能产生不同程度的误码,影响通信质量甚至无法正常通信。同时,传播中的多径效应使无线信道呈现频率选择特性,这些因素会使通信质量恶化。正交频分复用（OFDM）技术是解决频率选择性信道所造成码间干扰问题的有效途径。OFDM系统接收端采用相干接收可以降低误码率,而获得信道参数是相干解调的必要条件,因此本文研究OFDM系统的信道估计问题。无线信道呈现较强的非线性特性,支持向量机由于其对于非线性系统回归的适应性,可以被用于信道参数的估计。由于传统支持向量回归机算法对受噪声污染程度不同的训练样本赋予同样的权重,导致了性能降低。为了提高OFDM信道估计的性能,提出了小波与孪生支持向量机相结合的基于导频的信道估计算法。本文利用小波变换对训练数据进行预处理得到权值矩阵和权值向量,以此建立孪生支持向量机回归预测模型WTWTSVR。本文提出的WTWTSVR算法用于估计OFDM系统衰落信道参数。该算法是传统TSVR算法的改进,在T...
【文章来源】：辽宁科技大学辽宁省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
核函数原理示意图
112.信道估计2.1移动无线传播环境通信是用来进行信息传输的手段，信道是进行信息传输的桥梁，通信质量受到影响最大的原因就是在于信道的复杂性与不确定性。尤其是具有复杂的通信信道的无线移动通信系统，由于无线移动信道的多径信号到达接收机时延、角度和幅度都不相同，使接收信号电平具有很强的不确定性[41]。其次相同频率之间相互干扰使得无线频谱很难被重新利用，在移动通信用户量骤增的情况下，频谱资源越发紧张。一般的通信系统框图如图2.1如示：图2.1通信系统的组成框图Fig.2.1Adiagramofthecompositionofthecommunicationsystem2.1.1无线信道基本传播特性基站天线与移动台天线之间的电磁传播路径称之为无线信道，包括发射天线与接收天线本身以及两副天线之间的传播介质，在移动通信中传播介质通常为大气。在实际移动通信传播环境中，反射、绕射和散射是无线信号三种主要的传播方式[42]。在图2.2中我们看到的无线传播路径有简单的直线传播的路径，也有复杂的反射传播路径。这些不同的路径到达的电磁波射线的时间、相位不同，导致接收信号成衰落状态；信道的衰落主要是由多径效应引起的频率选择性衰落和信道的时变性引起的衰落[43]。
12Txhbhmd图2.2两天线传输模型Fig.2.2Tworaytransmissionmodel2.1.2无线信道的类型由图2.3可知，无线信道产生衰落的原因主要为两种：大尺度衰落和小尺度衰落。HD1DDh2D′DèDèDèD′Dh2D(μDh′DHDD图2.3无线衰落信道分类Fig.2.3WirelessFadingChannelClassification（1）大尺度衰落[44]路径损耗：可以引起长距离上（100～1000m）接收功率的变化。它是由发射功率的辐射扩散及信道的传输特性造成的。阴影效应：可以引起短距离上（室外环境是10~100m，室内更小）功率的变化。它是由发射机和接收机之间的障碍物造成的，这些障碍物通过吸收、反射、散射和绕射等方式衰落信号功率，严重时甚至会阻断信号。（2）小尺度衰落[45]
【参考文献】：
期刊论文
[1]基于CNN-SVM的深度卷积神经网络轴承故障识别研究[J]. 胡晓依,荆云建,宋志坤,侯银庆. 振动与冲击. 2019(18)
[2]多示例学习下的深度森林架构[J]. 任婕,侯博建,姜远. 计算机研究与发展. 2019(08)
[3]模具修复锤击力信号的dbN小波阈值降噪方法[J]. 刘立君,沈秀强,王晓陆,杨文浩,姚纪荣. 哈尔滨理工大学学报. 2019(04)
[4]Polar码在加性高斯白噪声信道下的性能分析[J]. 李晓磊,石旭,周林,贺玉成. 中国科技论文. 2019(03)
[5]基于泰坦尼克之灾问题的机器学习传统算法和神经网络算法对比分析[J]. 王可晴. 电子制作. 2019(02)
[6]非线性和非高斯性共存的序批次反应处理过程故障诊断（英文）[J]. 常鹏,乔俊飞,王普,高学金. 控制理论与应用. 2019(05)
[7]基于SVM和组合优化模型的手势识别[J]. 蔡芝蔚,吴淑燕,宋俊锋. 系统仿真学报. 2016(08)
[8]连续等距区间上积分值的二次样条插值[J]. 吴金明,刘圆圆,张晓磊. 中国图象图形学报. 2016(04)
[9]基于正交频分复用的线性最小均方误差信道估计改进算法[J]. 谢斌,陈博,乐鸿浩. 计算机应用. 2015(11)
[10]协作通信技术在卫星移动通信中的应用[J]. 李国彦,张合庆. 通信技术. 2015(01)
博士论文
[1]基于深度机器学习的体态与手势感知计算关键技术研究[D]. 杜宇.浙江大学 2017
[2]CC-CDMA的码构造及系统设计方法[D]. 李国栋.哈尔滨工业大学 2016
[3]改进型支持向量回归机及其在过程建模与控制中的应用[D]. 余艳芳.华东理工大学 2010
[4]多载波CDMA无线通信系统关键技术研究[D]. 孙甲琦.哈尔滨工程大学 2004
硕士论文
[1]基于不同损失函数的多生支持向量机[D]. 张谢锴.中国矿业大学 2017
[2]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[3]OFDM移动通信系统中多普勒频移估计研究[D]. 孙骏亚.西安电子科技大学 2016
[4]大气激光通信中的信道估计与均衡[D]. 王贺.兰州理工大学 2016
[5]基于正交最小二乘的逻辑积网络非线性回归模型研究[D]. 王蓉.华中师范大学 2016
[6]支持向量机的快速优化算法[D]. 陈东静.上海师范大学 2016
[7]多分类支持向量机增量算法及在认知无线电系统中的应用[D]. 王亚茹.兰州大学 2016
[8]基于学习的自适应无速率码传输机制及VOFDM调制系统[D]. 张婧.浙江大学 2016
[9]频率选择性衰落信道下基于Kth佳中继选择的检测技术研究[D]. 韩旭鑫.西安电子科技大学 2015
[10]SVM在数据挖掘中的应用[D]. 初光磊.北京邮电大学 2015
本文编号：3422882
【文章来源】：辽宁科技大学辽宁省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
核函数原理示意图
112.信道估计2.1移动无线传播环境通信是用来进行信息传输的手段，信道是进行信息传输的桥梁，通信质量受到影响最大的原因就是在于信道的复杂性与不确定性。尤其是具有复杂的通信信道的无线移动通信系统，由于无线移动信道的多径信号到达接收机时延、角度和幅度都不相同，使接收信号电平具有很强的不确定性[41]。其次相同频率之间相互干扰使得无线频谱很难被重新利用，在移动通信用户量骤增的情况下，频谱资源越发紧张。一般的通信系统框图如图2.1如示：图2.1通信系统的组成框图Fig.2.1Adiagramofthecompositionofthecommunicationsystem2.1.1无线信道基本传播特性基站天线与移动台天线之间的电磁传播路径称之为无线信道，包括发射天线与接收天线本身以及两副天线之间的传播介质，在移动通信中传播介质通常为大气。在实际移动通信传播环境中，反射、绕射和散射是无线信号三种主要的传播方式[42]。在图2.2中我们看到的无线传播路径有简单的直线传播的路径，也有复杂的反射传播路径。这些不同的路径到达的电磁波射线的时间、相位不同，导致接收信号成衰落状态；信道的衰落主要是由多径效应引起的频率选择性衰落和信道的时变性引起的衰落[43]。
12Txhbhmd图2.2两天线传输模型Fig.2.2Tworaytransmissionmodel2.1.2无线信道的类型由图2.3可知，无线信道产生衰落的原因主要为两种：大尺度衰落和小尺度衰落。HD1DDh2D′DèDèDèD′Dh2D(μDh′DHDD图2.3无线衰落信道分类Fig.2.3WirelessFadingChannelClassification（1）大尺度衰落[44]路径损耗：可以引起长距离上（100～1000m）接收功率的变化。它是由发射功率的辐射扩散及信道的传输特性造成的。阴影效应：可以引起短距离上（室外环境是10~100m，室内更小）功率的变化。它是由发射机和接收机之间的障碍物造成的，这些障碍物通过吸收、反射、散射和绕射等方式衰落信号功率，严重时甚至会阻断信号。（2）小尺度衰落[45]
【参考文献】：
期刊论文
[1]基于CNN-SVM的深度卷积神经网络轴承故障识别研究[J]. 胡晓依,荆云建,宋志坤,侯银庆. 振动与冲击. 2019(18)
[2]多示例学习下的深度森林架构[J]. 任婕,侯博建,姜远. 计算机研究与发展. 2019(08)
[3]模具修复锤击力信号的dbN小波阈值降噪方法[J]. 刘立君,沈秀强,王晓陆,杨文浩,姚纪荣. 哈尔滨理工大学学报. 2019(04)
[4]Polar码在加性高斯白噪声信道下的性能分析[J]. 李晓磊,石旭,周林,贺玉成. 中国科技论文. 2019(03)
[5]基于泰坦尼克之灾问题的机器学习传统算法和神经网络算法对比分析[J]. 王可晴. 电子制作. 2019(02)
[6]非线性和非高斯性共存的序批次反应处理过程故障诊断（英文）[J]. 常鹏,乔俊飞,王普,高学金. 控制理论与应用. 2019(05)
[7]基于SVM和组合优化模型的手势识别[J]. 蔡芝蔚,吴淑燕,宋俊锋. 系统仿真学报. 2016(08)
[8]连续等距区间上积分值的二次样条插值[J]. 吴金明,刘圆圆,张晓磊. 中国图象图形学报. 2016(04)
[9]基于正交频分复用的线性最小均方误差信道估计改进算法[J]. 谢斌,陈博,乐鸿浩. 计算机应用. 2015(11)
[10]协作通信技术在卫星移动通信中的应用[J]. 李国彦,张合庆. 通信技术. 2015(01)
博士论文
[1]基于深度机器学习的体态与手势感知计算关键技术研究[D]. 杜宇.浙江大学 2017
[2]CC-CDMA的码构造及系统设计方法[D]. 李国栋.哈尔滨工业大学 2016
[3]改进型支持向量回归机及其在过程建模与控制中的应用[D]. 余艳芳.华东理工大学 2010
[4]多载波CDMA无线通信系统关键技术研究[D]. 孙甲琦.哈尔滨工程大学 2004
硕士论文
[1]基于不同损失函数的多生支持向量机[D]. 张谢锴.中国矿业大学 2017
[2]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[3]OFDM移动通信系统中多普勒频移估计研究[D]. 孙骏亚.西安电子科技大学 2016
[4]大气激光通信中的信道估计与均衡[D]. 王贺.兰州理工大学 2016
[5]基于正交最小二乘的逻辑积网络非线性回归模型研究[D]. 王蓉.华中师范大学 2016
[6]支持向量机的快速优化算法[D]. 陈东静.上海师范大学 2016
[7]多分类支持向量机增量算法及在认知无线电系统中的应用[D]. 王亚茹.兰州大学 2016
[8]基于学习的自适应无速率码传输机制及VOFDM调制系统[D]. 张婧.浙江大学 2016
[9]频率选择性衰落信道下基于Kth佳中继选择的检测技术研究[D]. 韩旭鑫.西安电子科技大学 2015
[10]SVM在数据挖掘中的应用[D]. 初光磊.北京邮电大学 2015
本文编号：3422882
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3422882.html
