發(fā)布時間：2024-06-07 23:00

　　近年來,機器學習技術與傳統(tǒng)的通信技術有了更多的交集�，F(xiàn)代的通信系統(tǒng)在運行過程中會產(chǎn)生大量的數(shù)據(jù),將其與先進的機器學習技術結合能夠顯著提升網(wǎng)絡的性能并優(yōu)化通信組件的設計和管理。在這一領域,最近提出了一種利用端到端訓練對通信系統(tǒng)組件進行聯(lián)合優(yōu)化的方法。本文利用這一思想,對單載波頻域均衡(SC-FDE)系統(tǒng)進行信道估計與信號檢測。本文主要工作如下:(1)首先,針對單天線SC-FDE系統(tǒng),利用深度學習網(wǎng)絡以端到端的方式處理無線SCFDE信道。有別于傳統(tǒng)SC-FDE系統(tǒng)的先估計后檢測,深度學習的方法隱式估計信道狀態(tài)信息(CSI)并直接恢復發(fā)送的數(shù)據(jù)。為了解決信道失真,首先使用基于信道統(tǒng)計特性仿真生成的數(shù)據(jù)離線訓練深度學習模型,然后利用訓練好的網(wǎng)絡恢復發(fā)送數(shù)據(jù)。根據(jù)仿真結果,基于深度學習的方法與最小均方誤差(MMSE)估計具有相近的符號檢測性能。此外,在使用較少訓練導頻以及省略循環(huán)前綴(CP)的情況下,基于深度學習的方法優(yōu)于傳統(tǒng)算法。(2)其次,由于無線傳播,發(fā)送信號在達到接收器之前可能經(jīng)歷嚴重的失真,功率放大器在發(fā)送端處引入的非線性失真可能使該過程進一步復雜化。本文針對MIMO-SCFDE系統(tǒng),...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 相關技術介紹
        1.2.1 單載波頻域均衡
        1.2.2 人工神經(jīng)網(wǎng)絡
    1.3 國內外研究現(xiàn)狀
        1.3.1 SC-FDE技術的研究現(xiàn)狀
        1.3.2 DL技術應用于通信領域的研究現(xiàn)狀
    1.4 論文的結構安排
        1.4.1 論文的主要工作
        1.4.2 論文的結構安排
第2章 深度學習概述
    2.1 神經(jīng)網(wǎng)絡基礎
        2.1.1 從機器學習到深度學習
        2.1.2 前向傳播與反向傳播
    2.2 回聲狀態(tài)網(wǎng)絡
    2.3 本章小結
第3章 基于DNN信道估計與信號檢測
    3.1 SC-FDE的系統(tǒng)模型
        3.1.1 SC-FDE系統(tǒng)框圖
        3.1.2 SC-FDE系統(tǒng)的數(shù)學分析
        3.1.3 兩種信道估計準則
    3.2 基于DNN的符號檢測方案
        3.2.1 基于DNN的系統(tǒng)框圖
        3.2.2 模型的訓練
    3.3 仿真結果
    3.4 本章小結
第4章 MIMO-SCFDE系統(tǒng)中基于ESN的符號檢測
    4.1 系統(tǒng)描述
        4.1.1 系統(tǒng)框圖
        4.1.2 系統(tǒng)中的非線性功率放大器
        4.1.3 基于ESN網(wǎng)絡的符號檢測方案
    4.2 ESN的訓練與檢測
        4.2.1 網(wǎng)絡的訓練
        4.2.2 網(wǎng)絡的檢測
        4.2.3 網(wǎng)絡參數(shù)的調整
    4.3 仿真分析
    4.4 本章小結
第5章 總結與展望
    5.1 全文工作總結
    5.2 未來研究工作的展望
參考文獻
致謝
個人簡歷



本文編號：3991081