基于粒子滤波的非线性卫星信道盲均衡方法研究
发布时间:2017-03-28 14:22
本文关键词:基于粒子滤波的非线性卫星信道盲均衡方法研究,,由笔耕文化传播整理发布。
【摘要】:现代通信中,卫星通信系统已经成为传输信息的重要方式。为充分利用星上功率资源,高功率放大器通常工作在饱和状态,但其非线性特性势必会造成信道的非线性失真,导致传输信号发生不同程度的畸变,对接收端信号的解调及信息恢复产生不利影响。非线性信道均衡能够有效消除信道产生的非线性干扰,提高接收机的误码率性能。粒子滤波技术在处理非线性问题方面具有明显优势,论文围绕粒子滤波在非线性卫星信道盲均衡中的应用展开研究,旨在利用粒子滤波方法解决非线性均衡问题,本文的主要贡献及创新点如下:1.针对卫星信道中高功率放大器产生非线性失真的问题,提出了一种基于粒子滤波技术的盲均衡方法,通过将非线性信道建模为状态空间模型,对非线性特性参数及发送序列进行联合估计。该算法无需对模型进行线性化处理,而是将未知参数和符号序列看成一高维状态,然后利用带权值的粒子对此高维状态的后验分布进行近似,最后利用最小均方误差准则得到参数的估计以及最大后验准则得到符号序列的估计。仿真结果表明,粒子滤波非线性盲均衡较传统Volterra均衡方法性能有所提高。2.粒子滤波盲均衡算法中,高维状态的准确估计需要利用大量的采样粒子,计算量较大。针对该问题,本文分析恒模调制信号经过信道时的特点,通过简化状态空间模型,降低状态的维数,直接对信号幅度和附加调制相位进行估计来减少计算量;并通过改进参数的采样分布,提高了算法的参数估计精度及均衡性能。3.粒子退化是标准粒子滤波算法固有的缺陷,重采样方法能够解决退化问题,但由于权值高的粒子被多次选中,最终导致粒子的多样性丧失,出现枯竭现象。遗传粒子滤波算法能够避免重采样操作造成的粒子枯竭问题,但变异算子的盲目性使算法估计精度不高。针对该问题,本文提出了一种自适应进化粒子滤波方法,利用自适应引导变异思想克服盲目变异的不足。此方法能够抑制粒子退化并保持粒子多样性,处理非线性信道盲均衡问题时,提高了参数估计精度,而且改善了盲均衡性能。
【关键词】:卫星信道 高功率放大器 非线性失真 盲均衡 粒子滤波 联合估计 粒子退化 自适应引导变异
【学位授予单位】:解放军信息工程大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TN927.2
【目录】:
- 摘要4-5
- ABSTRACT5-11
- 第一章 绪论11-19
- 1.1 课题背景和意义11
- 1.2 研究现状11-15
- 1.2.1 非线性均衡方法12-13
- 1.2.2 盲均衡技术13-14
- 1.2.3 存在问题14
- 1.2.4 粒子滤波盲均衡14-15
- 1.3 研究内容及思路15-17
- 1.4 结构安排17-19
- 第二章 粒子滤波理论19-31
- 2.1 贝叶斯滤波19-20
- 2.2 标准滤波方法简介20-23
- 2.2.1 Kalman滤波21
- 2.2.2 扩展Kalman滤波(EKF)21-22
- 2.2.3 无味Kalman滤波(UKF)22-23
- 2.3 粒子滤波23-29
- 2.3.1 蒙特卡洛方法23-24
- 2.3.2 贝叶斯重要性采样24-25
- 2.3.3 序贯重要性采样25-26
- 2.3.4 粒子退化与重采样26-29
- 2.4 粒子滤波的收敛性29-30
- 2.5 本章小结30-31
- 第三章 非线性卫星信道下的粒子滤波盲均衡方法31-47
- 3.1 HPA非线性模型31-34
- 3.1.1 无记忆非线性模型32
- 3.1.2 有记忆非线性模型32-34
- 3.2 信号模型及问题描述34-36
- 3.2.1 非线性接收信号基带模型34-36
- 3.2.2 非线性信道盲均衡的数学描述36
- 3.3 非线性卫星信道下的粒子滤波盲均衡方法36-42
- 3.3.1 状态空间模型36-37
- 3.3.2 算法框架37-39
- 3.3.3 参数初始化39-40
- 3.3.4 实验仿真40-42
- 3.4 改进的粒子滤波盲均衡方法42-46
- 3.4.1 简化的状态空间模型43
- 3.4.2 非时变参数估计43-45
- 3.4.3 实验仿真45-46
- 3.5 本章小结46-47
- 第四章 自适应进化粒子滤波盲均衡方法47-59
- 4.1 重采样方法47-49
- 4.1.1 多项式重采样48
- 4.1.2 残差重采样48
- 4.1.3 分层重采样48
- 4.1.4 系统重采样48-49
- 4.2 粒子枯竭问题49
- 4.3 遗传粒子滤波算法49-53
- 4.3.1 遗传算法49-51
- 4.3.2 遗传粒子滤波算法51-53
- 4.4 自适应进化粒子滤波非线性盲均衡方法53-56
- 4.4.1 自适应引导变异53-55
- 4.4.2 自适应进化粒子滤波盲均衡方法55-56
- 4.5 实验仿真56-58
- 4.6 本章小结58-59
- 第五章 结束语59-61
- 5.1 论文主要工作及创新59-60
- 5.2 工作展望60-61
- 致谢61-63
- 参考文献63-67
- 作者简介67
【参考文献】
中国期刊全文数据库 前9条
1 曹凯;陈国虎;江桦;马欢;;自适应引导进化遗传算法[J];电子与信息学报;2014年08期
2 夏楠;邱天爽;李景春;;稳定分布噪声下基于粒子滤波的多径时变信道盲均衡算法[J];通信学报;2013年11期
3 郭业才;徐冉;;改进的非线性卫星信道均衡器[J];计算机应用;2013年11期
4 夏楠;邱天爽;李景春;李书芳;;一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法[J];电子学报;2013年01期
5 杨宁;钱峰;朱瑞;;基于遗传算法的改进粒子滤波算法[J];上海交通大学学报;2011年10期
6 刘顺兰;蒋树南;;非线性信道的均衡算法研究[J];电子学报;2010年10期
7 曲彦文;张二华;杨静宇;;一般性粒子滤波算法收敛特性[J];计算机研究与发展;2010年01期
8 姜波;杨军;朱江;张尔扬;;基于MWF的非线性Volterra滤波[J];信号处理;2008年05期
9 王磊;刘郁林;;基于粒子滤波器的盲辨识和盲均衡新方法[J];通信学报;2006年10期
本文关键词:基于粒子滤波的非线性卫星信道盲均衡方法研究,由笔耕文化传播整理发布。
本文编号:272457
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/272457.html