無線信道估計與混沌時間序列預(yù)測方法研究.pdf

1、無線通信系統(tǒng)中利用了許多統(tǒng)計學(xué)相關(guān)技術(shù)完成對一些具體問題的最優(yōu)化求解，如信道估計，信號檢測，調(diào)制識別，但是隨著系統(tǒng)本身的日益復(fù)雜，人們逐步需要從繁瑣的數(shù)據(jù)中尋求簡便智能的方法給出對這些問題的解決方案。統(tǒng)計學(xué)習(xí)理論試圖幫助人們從繁多的數(shù)據(jù)和現(xiàn)象中揭示事物規(guī)律本質(zhì)。與傳統(tǒng)統(tǒng)計學(xué)相比，統(tǒng)計學(xué)習(xí)理論(Statistical Learning Theory,SLT)是一種專門研究小樣本情況下機器學(xué)習(xí)規(guī)律的理論。該理論針對小樣本統(tǒng)計問題建立了一套新

2、的學(xué)習(xí)理論體系，在這種體系下的統(tǒng)計推理規(guī)則不僅考慮了對漸近性能的要求，而且追求在現(xiàn)有有限信息的條件下得到最優(yōu)結(jié)果。論文主要圍繞統(tǒng)計學(xué)習(xí)理論在通信系統(tǒng)中的一些應(yīng)用問題進行了研究和探討，其主要貢獻在于： 1、針對混沌時間序列的特性，根據(jù)混沌動力系統(tǒng)的相空間重構(gòu)理論，利用SVM可以自動把輸入向量映射到一個高維特征空間中實現(xiàn)數(shù)據(jù)的線性及非線性劃分的功能，將具有統(tǒng)計學(xué)習(xí)功能的最小二乘支持向量機用于構(gòu)建預(yù)測模型，并用該模型對混沌跳頻序列進行

3、預(yù)測，通過計算機仿真驗證了該模型的正確。 2、針對混沌時間序列的動態(tài)系統(tǒng)特性及普通神經(jīng)網(wǎng)絡(luò)在預(yù)測時存在的局限，論文提出一種將具有混沌動態(tài)特性的神經(jīng)節(jié)用于構(gòu)造混沌神經(jīng)網(wǎng)絡(luò)進行預(yù)測的方法，并以此對一般混沌動態(tài)系統(tǒng)建立預(yù)測模型，最后對Mackey-Glass混沌序列和Logistic-Kent映射的混沌跳頻序列進行預(yù)測研究，并通過仿真驗證了該模型的正確。 3、不同于傳統(tǒng)的經(jīng)驗風(fēng)險最小化準則下的信道估計方法，論文研究了在結(jié)構(gòu)風(fēng)險

4、最小化準則下，基于支持向量機的信道估計技術(shù)。由于MIMO及非線性通信信道的復(fù)雜性使得信道估計精度和速度相比SISO信道估計大大降低，在樣本數(shù)量有限的情況下，這一問題就更加突出?，F(xiàn)有信道估計方法往往局限于SISO信道的非線性估計，或者是非時變線性MIMO信道估計，而對于非線性時變信道估計則通常是將時變非平穩(wěn)信道估計看作是在一段時間內(nèi)的平穩(wěn)信道估計進行處理，但在收斂精度和速度上不能達到滿意的結(jié)果。針對以上不足，論文利用最小二乘支持向量技術(shù)將

5、MIMO信道估計問題轉(zhuǎn)變?yōu)榍蠼舛嗑S信道函數(shù)的回歸問題，利用支持向量技術(shù)的動態(tài)多維擬合方法對MIMO系統(tǒng)進行自適應(yīng)非線性信道估計，顯著提高了收斂精度和預(yù)測速度。 4、在無先驗樣本可利用的情況下，僅依靠有限的信號先驗統(tǒng)計特性，針對已有的盲信道估計和均衡算法在收斂速度上的不足，利用最小二乘支持向量技術(shù)改進傳統(tǒng)的恒模盲均衡算法，并采用迭代權(quán)值方法進一步減小計算量，加快收斂速度，計算機仿真驗證了該方法的高效性。 5、根據(jù)跳頻通信網(wǎng)