论文部分内容阅读
无线通信技术的发展将致使信道具有快速时变特性的场合增多、小数据量通信的场合增多、调制方式的多样化和星座密集化等,这些都必然对信号盲处理技术提出了更为严格的技术要求。现有运用神经网络实现信号盲处理方法多基于传统盲处理方法的性能函数,其本质依旧是这些性能函数在发挥效用;部分该类方法虽减少了算法对数据量的过度依赖,但是算法运算负担沉重且只适用于简单的调制制式。本文旨在人工神经网络领域探寻“不依赖于统计量的、适用于短数据通信和密集星座信号场合”的信号直接盲检测方法。全文做了如下几点工作(1)在文献基础上,发展了一种基于星座匹配误差的支持向量机联合盲处理算法。该方法根据线性支持向量回归和有序风险最小化原则,构造出由恒模算法和星座匹配误差函数联合组成的新经验风险项作为改进后的代价函数,进而通过迭代权值最小二乘法求解优化问题获得均衡器。(2)完成了信号直接盲检测优化问题构建构造,该优化问题不需要利用任何发送信号序列的统计信息、并且适用于运用连续多阈值神经元Hopfield网络进行求解,并给出了特有的权值配置方法。并根据发送信号的星座特征不同,分别从直角坐标系及极坐标系两个角度分别给出了该优化问题约束条件的不同设置,同时给出了网络运行的起始阶段变化规律情况。(3)提出一种基于幅相联合激励法的连续多阈值神经元Hopfield神经网络的信号直接盲检测方法。针对MPSK信号的特点,设计了两种连续相位多阈值激励函数形式,并简要分析讨论了该两类激励函数参数的选择;分别推演基于幅相联合激励法的连续多阈值神经元Hopfield神经网络盲检测方法工作于同步和异步模式下的新能量函数及其相关证明。同时,针对QAM信号的特点,分别设计出连续振幅和相位多阈值激励函数形式。并探讨了在信号统计信息缺失或失真情况下,基于幅相联合激励法的连续多阈值神经元Hopfield神经网络的盲检测能力。(4)为解决密集QAM信号直接盲检测问题,提出采用同相正交振幅连续激励法的连续多阈值神经元Hopfield神经网络解决密集QAM信号盲检测方法。从激励函数角度详细分析了放大因子选择的范围;然后设计了该特定问题的同步和异步运行模式下的新能量函数形式,并证明和分析所设计能量函数的一些重要性质。为加速算法收敛速度,还设计了一种新的初始状态向量方法。论述了高阶QAM的激励函数被使用于作为低阶QAM信号盲检测问题时的适用性问题,并针对所出现的特有现象进行了分析并给出了解决办法。研究结果表明:本文的连续多阈值神经元Hopfield神经网络的信号直接盲检测方法可有效适用于“不依赖于统计量、短数据和密集星座信号”的场合,是一种有效的信号直接盲检测的方法。