现代无线通信系统盲处理技术新进展 基于智能算法PDF|Epub|txt|kindle电子书版本网盘下载

现代无线通信系统盲处理技术新进展 基于智能算法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 无线通信系统和盲处理方法1

1.1 无线通信系统1

1.1.1 无线通信的溯源和近况1

1.1.2 无线通信系统的若干部分2

1.1.3 无线通信系统中的信号盲处理7

1.2 基于智能算法的信号盲处理技术发展现状9

本章小结14

本章参考文献14

第2章 基于BP神经网络盲均衡方法19

2.1 人工神经网络概述19

2.1.1 人工神经网络的神经元模型19

2.1.2 人工神经网络的特点23

2.1.3 人工神经网络的连接模型24

2.1.4 人工神经网络的学习规则26

2.2 BP神经网络概述27

2.3 BP算法原理28

2.4 BP算法的缺陷和已有改进方法31

2.5 基于BP复数神经网络的信号盲处理32

2.5.1 代价函数32

2.5.2 激励函数33

2.5.3 权值设计33

本章小结39

本章参考文献39

第3章 基于多智能体系统的盲均衡方法40

3.1 多智能体系统41

3.1.1 多智能体特性及其发展41

3.1.2 多智能体系统的构造42

3.1.3 MIMO系统的盲均衡模型43

3.2 基于微粒子多智能体系统的盲均衡算法45

3.2.1 微粒群算法原理及理论发展46

3.2.2 用于MIMO系统盲均衡的微粒子多智能体系统47

3.2.3 PSO算法应用前景49

3.3 基于蚁群多智能体系统的盲均衡算法49

3.3.1 蚁群智能体及其算法理论发展50

3.3.2 用于MIMO系统盲均衡的蚁群多智能体系统51

3.3.3 ACO算法应用前景53

3.4 基于免疫多智能体系统的盲均衡算法54

3.4.1 人工免疫系统算法及其理论发展55

3.4.2 用于MIMO系统盲均衡的免疫多智能体系统57

3.4.3 AIS算法应用前景59

3.5 仿真算例60

3.5.1 3种多智能体系统算法的参数分析60

3.5.2 MIMO系统QPSK信号盲恢复64

3.5.3 性能分析66

3.5.4 3种多智能体系统的算法比较66

本章小结68

本章参考文献68

第4章 基于支持向量机的信道估计和盲均衡方法70

4.1 支持向量机的特点71

4.2 支持向量机基本原理概述71

4.2.1 学习问题71

4.2.2 VC维和结构风险最小化原则72

4.2.3 特征空间和核函数74

4.2.4 支持向量分类75

4.2.5 支持向量回归78

4.3 基于ε-支持向量回归机的信道估计新方法81

4.3.1 基于训练序列的信道估计建模82

4.3.2 基于ε-支持向量回归机的信道估计83

4.4 基于支持向量回归的MPSK信号盲检测87

4.5 基于支持向量回归的QAM信号盲检测90

4.6 基于星座匹配误差的支持向量机盲均衡算法94

4.6.1 星座匹配误差算法概要94

4.6.2 结合星座匹配算法的支持向量回归盲检测方法94

4.6.3 代价函数的迭代解法96

4.7 仿真算例98

4.7.1 基于ε-支持向量回归机的信道估计试验98

4.7.2 基于支持向量回归的MPSK盲均衡试验101

4.7.3 基于星座匹配误差的支持向量回归QAM盲均衡算法试验103

本章小结106

本章参考文献107

第5章 Hopfield反馈神经网络概述及其盲检测优化问题构建109

5.1 神经动力学110

5.2 Hopfiled神经网络概述115

5.3 连续Hopfield神经网络基本原理概述117

5.3.1 连续Hopfield神经元模型118

5.3.2 连续Hopfield神经网络在优化计算中的说明119

5.4 系统模型和信号盲检测优化问题构建120

5.5 权阵配置122

5.6 连续Hopfield神经网络盲检测算法的起始阶段变化规律124

本章小结125

本章参考文献125

第6章 基于幅相激励的连续多阈值神经元Hopfield网络的信号盲检测126

6.1 MPSK与QAM信号说明126

6.2 优化函数和HNNCMVN结构128

6.3 基于幅相联合激励法的激励函数设计129

6.3.1 MPSK信号盲检测的连续相位多阈值激励函数129

6.3.2 MPSK信号盲检测的连续相位多阈值EXP激励函数设计129

6.3.3 MPSK信号盲检测的连续相位多阈值SIN激励函数设计133

6.3.4 MPSK信号盲检测的连续相位多阈值激励函数与传统二节 激励函数的对比133

6.3.5 QAM信号盲检测的连续幅度多阈值和相位多阈值激励函数设计134

6.4 能量函数设计与证明和平衡条件142

6.5 信号统计信息缺失的盲处理能力147

6.6 仿真实验与分析147

本章小结161

本章参考文献161

第7章 基于同相正交振幅激励的连续多阈值神经元Hopfield网络的密集QAM信号盲检测162

7.1 密集QAM信号163

7.2 连续振幅多阈值神经元复值激励函数164

7.2.1 连续振幅多阈值SIN激励函数的设计164

7.2.2 激励函数的逆函数积分和165

7.2.3 激励函数的拐点、引点和斥点166

7.2.4 激励函数的临界斜率168

7.2.5 激励函数的临界斜率与衰减因子β的关系171

7.2.6 从激励函数角度的放大因子范围确定171

7.3 能量函数的设计和讨论176

7.4 HNNCMVN盲处理方法具有高阶激励函数可激励低阶信号的能力180

7.4.1 信号点“散布”181

7.4.2 星座判决引导函数的设计182

7.5 长接收序列情况处理183

7.6 仿真实验与分析184

本章小结194

本章参考文献194

第8章 基于泛函网络的信号盲处理方法195

8.1 泛函网络概述195

8.1.1 泛函网络的特点195

8.1.2 泛函网络的结构196

8.2 基于FN的信号直接盲检测的方法196

8.2.1 用于信号盲检测的MIMO泛函网络设计196

8.2.2 系统模型及其优化问题构建197

8.2.3 神经函数б设计199

8.2.4 神经函数的参数学习策略设计199

8.3 仿真算例200

8.3.1 FN盲处理算法仿真200

8.3.2 正确检测率与数据量的关系200

8.3.3 随机信道情况下不同学习率的算法性能201

本章小结201

本章参考文献202