基于SVM的智能天線算法研究.pdf

1、智能天線技術(shù)作為TD-SCDMA通信系統(tǒng)的關(guān)鍵技術(shù)之一，是當(dāng)前通信技術(shù)領(lǐng)域的研究熱點(diǎn)。智能天線可以通過波束形成達(dá)到抑制干擾信號(hào)從而提高輸出信干噪比和通信系統(tǒng)容量的目的。因此，研究智能天線算法具有重要的意義和實(shí)用價(jià)值。
　　 支持向量機(jī)(SVM)是機(jī)器學(xué)習(xí)領(lǐng)域的最新研究成果，它僅需要少量樣本就可以對(duì)同一分布的測(cè)試樣本具有較好的泛化能力，而且具有處理高維、非線性數(shù)據(jù)和全局收斂等優(yōu)點(diǎn)。支持向量機(jī)已被廣泛地應(yīng)用到各個(gè)研究領(lǐng)域，也成為處理

2、無線通信信號(hào)的一種新方法。本文以支持向量機(jī)作為信號(hào)處理工具，將其運(yùn)用到智能天線算法的研究。論文的主要工作及創(chuàng)新包括：
　　 1.概述了智能天線的基本原理和經(jīng)典的波束形成和DOA估計(jì)的算法。介紹了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的基本原理，主要包括VC維與推廣的界、損失函數(shù)與結(jié)構(gòu)風(fēng)險(xiǎn)以及支持向量機(jī)。通過計(jì)算機(jī)仿真，在平面二維數(shù)據(jù)中展示了支持向量機(jī)優(yōu)異的分類性能和支持向量回歸機(jī)的擬合性能。
　　 2.將支持向量機(jī)推廣到可以處理復(fù)信號(hào)

3、的復(fù)平面，為支持向量機(jī)應(yīng)用于智能天線的波束形成以及DOA估計(jì)做好鋪墊。將波束形成器的最優(yōu)權(quán)值求解問題成功轉(zhuǎn)化為支持向量機(jī)處理近似線性分類的問題來求解，建立了基于LSVM和NSVM兩種支持向量機(jī)的波束形成器并進(jìn)行仿真分析，仿真結(jié)果表明，與傳統(tǒng)算法相比，基于LSVM和NSVM運(yùn)用于波束形成算法收斂速度更快，輸出信干噪比更高，特別是在過載的情況下表現(xiàn)出比傳統(tǒng)算法更優(yōu)越的性能?；贜SVM比基于LSVM的賦形效果更好，但是復(fù)雜度稍高。
　

4、　 3.通過使用SVM求解AR模型的系數(shù)，得到信號(hào)模型的方向譜，調(diào)整參數(shù)可以得到理想的DOA估計(jì)譜圖。采用支持向量回歸機(jī)對(duì)各個(gè)角度的接收信號(hào)進(jìn)行訓(xùn)練，得到關(guān)于輸入信號(hào)與輸出角度的擬合函數(shù)。仿真表明，該方法在[-70°，70°]的范圍內(nèi)可達(dá)到理想的效果。
　　 4.提出了基于PSVM-DDAG的DOA估計(jì)算法。它是以決策導(dǎo)向無環(huán)圖(DDAG)為多用戶DOA的訓(xùn)練結(jié)構(gòu)和以PSVM算法作為節(jié)點(diǎn)的訓(xùn)練模型，避免了標(biāo)準(zhǔn)SVM算法中繁瑣的