盲均衡技術(shù)在通信系統(tǒng)中的仿真應用研究

定　價：￥48.00

作　者：	趙娟，高正明著
出版社：	華中科技大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787568081214	出版時間：	2022-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	174	字數(shù)：

內(nèi)容簡介

　　隨著技術(shù)水平的發(fā)展，在現(xiàn)代通信系統(tǒng)中，數(shù)字通信取得模擬通信的趨勢日益明顯。數(shù)字通信系統(tǒng)具有許多優(yōu)點，如抗干擾能力強、系統(tǒng)穩(wěn)定性強等，但也存在著一些問題，如由于信道傳遞函數(shù)的非理想性、時變性和傳輸碼元之間存在互相干擾等原因，使得信道接收端抽樣值總是存在碼間串擾，導致系統(tǒng)誤差率高，判別能力下降等。為解決這些難題，提高數(shù)字通信通信系統(tǒng)性能，業(yè)界提出了信道均衡技術(shù)，用以克服數(shù)字通信系統(tǒng)中的碼間串擾，其中自適應均衡技術(shù)，又稱盲均衡技術(shù)，具有自適應能力強，不需要訓練序列，信帶利用率高等優(yōu)點，成為通信技術(shù)研究的熱點，在通信系統(tǒng)中具有重要的作用。本書首先探索了盲均衡器設計的原理、技術(shù)方法，并開展了數(shù)值仿真分析，驗證了常模盲均衡算法及幾種常見的改進算法的性能指標，從誤碼率、殘差等角度，分析了算法的實際應用價值。其次在常模盲均衡算法的研究基礎(chǔ)上，將模糊補償神經(jīng)網(wǎng)絡將模糊理論、補償算法引入到神經(jīng)網(wǎng)絡理論中，從而提高神經(jīng)網(wǎng)絡系統(tǒng)的適應性，容錯性和穩(wěn)定性。主要研究基于模糊補償神經(jīng)網(wǎng)絡的盲均衡算法，并根據(jù)無線信道模型，對其仿真及應用進行分析和設計。主要介紹了基于神經(jīng)網(wǎng)絡的盲均衡算法基礎(chǔ)，對神經(jīng)網(wǎng)絡的發(fā)展、分類及學習規(guī)則等作以簡單描述，并簡單介紹了神經(jīng)網(wǎng)絡理論中主要的改進方法；對數(shù)字信道均衡技術(shù)進行了簡單描述，給出了均衡器的一般設計原理、分類并根據(jù)研究方向詳細介紹了盲均衡器的初步知識。在研究基礎(chǔ)理論的同時進行了盲均衡算法仿真平臺的設計和框架結(jié)構(gòu)的搭建，并通過對常模代價函數(shù)、方形輪廓線算法和復值神經(jīng)網(wǎng)絡的仿真分析，闡述了方形輪廓線算法及代價函數(shù)的改進算法在復值神經(jīng)網(wǎng)絡盲均衡器中的應用。著重介紹BP神經(jīng)網(wǎng)絡的盲均衡算法，分析了算法在實際應用中的性能，進行了算法性能的仿真，并給出實際應用過程中的注意事項。經(jīng)過分析得出基于BP神經(jīng)網(wǎng)絡的盲均衡器收斂速度快、平均誤差小、適合在高信噪比條件下工作。并根據(jù)4QAM調(diào)制信號經(jīng)無線信道模型傳輸后的輸出信號對其性能進行了仿真評估。與常模盲均衡算法相比，基于模糊補償神經(jīng)網(wǎng)絡的盲均衡算法能夠顯著地提高系統(tǒng)收斂速度，降低剩余誤差和誤碼率。還詳細介紹了基于Sigmoid函數(shù)的變步長算法。運用Sigmoid函數(shù)控制步長，從而顯著提高了基于模糊補償神經(jīng)網(wǎng)絡的盲均衡算法的收斂速度。*后，本文針對當前工作對基于模糊補償神經(jīng)網(wǎng)絡的盲均衡算法研究提出了幾點意見。

作者簡介

　　趙娟，女，副教授，荊楚理工學院電子與信息工程學院電子信息工程專業(yè)教師，積極響應、落實學校和學院的辦學方針、政策，致力于物聯(lián)網(wǎng)專業(yè)的長足發(fā)展和建設。一直將“學高為師，身正為范”作為自己的座右銘，誠懇待人，虛心學習。在工作中注重實干，樂于助人，強化實踐性教學，加強校企合作的教育教學改革示范區(qū)建設。積極投身教學團隊建設，作為參與人申報物聯(lián)網(wǎng)工程專業(yè)教學團隊、重點實驗室建設和智慧農(nóng)業(yè)科研基地等。積極投身于學校轉(zhuǎn)型發(fā)展，作為參與人成功獲批并建設教育部—中興通訊ICT產(chǎn)教融合創(chuàng)新基地項目、湖北省荊楚卓越人才計劃項目，為物聯(lián)網(wǎng)專業(yè)的建設和發(fā)展奠定了較好的基礎(chǔ)。作為專職教師，主要從事通信與信息技術(shù)、電子系統(tǒng)設計、物聯(lián)網(wǎng)等方向的教學與科研工作。近年來主要承擔《通信原理》、《信號與系統(tǒng)》、《數(shù)字信號處理》、《數(shù)字電子技術(shù)》等專業(yè)課的教學工作，主持或主研各類科研項目共8項；主持或主研各類教研項目共10項；教學質(zhì)量工程項目2項；以第一（通信）作者發(fā)表學術(shù)論文30余篇，其中SCI收錄1篇、核心2篇、EI收錄5篇、獲得教育部中南地區(qū)高等學校電子電氣基礎(chǔ)課程教學研究會優(yōu)秀論文一等獎、二等獎、三等獎各1篇；編寫教材五本；獲得發(fā)明專利2項、實用新型專利10項、外觀專利5項；獲得軟件著作權(quán)12個。注重大學生課外創(chuàng)新創(chuàng)業(yè)能力的提高，指導各類大學生科技創(chuàng)新項目20項，指導在校大學生入駐創(chuàng)業(yè)園4個團隊，指導學生參加創(chuàng)新創(chuàng)業(yè)競賽獲*三等獎1項、省級三等獎1項，獲校優(yōu)質(zhì)課競賽一等獎1次、二等獎2次。

圖書目錄

第1章緒論(1)
1.1信道盲均衡技術(shù)的背景和意義(3)
1.1.1基于高階統(tǒng)計量的算法(3)
1.1.2基于二階統(tǒng)計量的算法(4)
1.1.3基于二階統(tǒng)計量的盲算法(4)
1.2信道盲均衡技術(shù)國內(nèi)外研究現(xiàn)狀(6)
1.2.1信道盲均衡技術(shù)國外研究情況簡介(6)
1.2.2信道盲均衡技術(shù)國內(nèi)研究情況簡介(8)
1.3基于常模盲均衡算法研究現(xiàn)狀(8)
1.4神經(jīng)網(wǎng)絡盲均衡算法研究現(xiàn)狀(9)
1.5基于模糊理論的均衡算法研究現(xiàn)狀(10)
1.6模糊神經(jīng)網(wǎng)絡、模糊補償神經(jīng)網(wǎng)絡的提出與發(fā)展(10)
1.7主要研究工作(11)
第2章盲均衡與常模盲均衡理論(13)
2.1盲均衡基本理論(13)
2.1.1均衡器的基本原理(14)
2.1.2盲均衡器的均衡準則(15)
2.1.3盲均衡算法的性能評價指標(16)
2.2常模盲均衡器設計(16)
2.3常模盲均衡算法更新公式及代價函數(shù)(17)
2.3.1代價函數(shù)設計(18)
2.3.2更新公式(19)
2.4仿真信號源(19)
2.4.1QAM調(diào)制技術(shù)(19)
2.4.2Matlab軟件的信號仿真命令(20)
2.4.3基于Matlab的QAM信號仿真(21)
2.5常模盲均衡算法性能評估(22)
2.5.1常模盲均衡算法均方誤差性能仿真(23)
2.5.2步長對常模盲均衡器收斂速度的影響(23)
2.5.3常模盲均衡算法誤碼性能仿真(25)
2.6小結(jié)(26)
第3章變步長常模盲均衡算法(27)
3.1基于箕舌線函數(shù)的變步長算法(27)
3.2基于變步長的常模盲均衡算法性能仿真(28)
3.3小結(jié)(30)
第4章改進變步長常模盲均衡算法(31)
4.1常模盲均衡算法(31)
4.2變步長常模盲均衡算法改進算法(32)
4.2.1算法提出的原因(32)
4.2.2一維約束優(yōu)化算法(32)
4.2.3基于*優(yōu)控制步長的常模盲均衡算法(33)
4.3仿真分析與應用(33)
4.4小結(jié)(34)
第5章動量常模盲均衡算法(35)
5.1動量常模盲均衡算法基礎(chǔ)(35)
5.1.1動量*小均方誤差算法(35)
5.1.2動量常模盲均衡算法性能仿真(36)
5.2變動量因子常模盲均衡算法(37)
5.2.1變動量因子(37)
5.2.2算法性能仿真(38)
5.3基于統(tǒng)計動量因子的常模盲均衡算法(40)
5.3.1變動量因子算法(40)
5.3.2算法性能仿真(41)
5.4小結(jié)(42)
第6章變步長動量常模盲均衡算法(43)
6.1變步長動量常模盲均衡算法基礎(chǔ)(43)
6.2算法性能仿真(43)
6.3小結(jié)(46)
第7章基于神經(jīng)網(wǎng)絡的盲均衡基礎(chǔ)知識(48)
7.1神經(jīng)網(wǎng)絡基礎(chǔ)知識(48)
7.1.1神經(jīng)網(wǎng)絡的發(fā)展(48)
7.1.2神經(jīng)網(wǎng)絡的構(gòu)成與基本屬性(49)
7.1.3神經(jīng)網(wǎng)絡改進算法(49)
7.1.4基于神經(jīng)網(wǎng)絡結(jié)構(gòu)的改進算法(49)
7.1.5基于神經(jīng)網(wǎng)絡運算方式的改進(50)
7.2盲均衡技術(shù)的基本理論(51)
7.2.1信道均衡初步(51)
7.2.2均衡器提出原理(51)
7.2.3均衡器工作過程(52)
7.2.4均衡器均衡效果評價(53)
7.2.5均衡器分類(53)
7.2.6盲均衡算法分類(54)
7.2.7盲均衡器系數(shù)更新算法(54)
第8章基于CFNN的盲均衡算法(56)
8.1CFNN盲均衡算法的基本原理(56)
8.2CFNN盲均衡模型(56)
8.3CFNN盲均衡算法(58)
8.4基于常模盲均衡算法的盲均衡器設計(58)
8.4.1誤差信號(59)
8.4.2抽頭系數(shù)更新(60)
8.4.3基于CFNN的盲均衡器的實現(xiàn)(61)
8.5算法性能評價(65)
8.6小結(jié)(67)
第9章基于變步長CFNN盲均衡算法(68)
9.1基于sigmoid函數(shù)的變步長算法(68)
9.1.1算法性能分析(68)
9.1.2參數(shù)選擇(69)
9.2算法性能評價(70)
9.3小結(jié)(72)
第10章基于BP神經(jīng)網(wǎng)絡的盲均衡算法應用研究(73)
10.1基于BP神經(jīng)網(wǎng)絡的盲均衡算法基礎(chǔ)(73)
10.2性能仿真及應用研究(75)
10.3算法性能仿真(75)
10.4實際應用過程中的注意事項(76)
10.5小結(jié)(77)
第11章一種通信系統(tǒng)盲均衡算法仿真平臺(78)
11.1通信系統(tǒng)盲均衡算法概述(78)
11.1.1常見盲均衡算法(78)
11.1.2盲均衡算法仿真研究一般化過程(79)
11.2盲均衡算法仿真平臺設計與實現(xiàn)(80)
11.2.1功能設計(80)
11.2.2框架結(jié)構(gòu)(80)
11.3小結(jié)(83)
第12章基于BP神經(jīng)網(wǎng)絡的盲均衡器設計(84)
12.1基于BP神經(jīng)網(wǎng)絡的盲均衡算法研究(84)
12.1.1基于BP神經(jīng)網(wǎng)絡的盲均衡算法復雜度(85)
12.1.2神經(jīng)網(wǎng)絡結(jié)構(gòu)改進算法應用價值評估(86)
12.1.3BP神經(jīng)網(wǎng)絡算法改進(88)
12.2基于BP神經(jīng)網(wǎng)絡的盲均衡器設計基礎(chǔ)(89)
12.3小結(jié)(91)
第13章方形輪廓線算法在復值BP神經(jīng)網(wǎng)絡盲均衡器中的應用研究(92)
13.1基本理論與算法(92)
13.1.1常模代價函數(shù)(92)
13.1.2方形輪廓線算法(93)
13.1.3復值神經(jīng)網(wǎng)絡(93)
13.2算法性能仿真分析(95)
13.3小結(jié)(96)
第14章代價函數(shù)及其在盲均衡器設計中的應用(98)
14.1代價函數(shù)的性質(zhì)與改進算法(98)
14.1.1代價函數(shù)的性質(zhì)(99)
14.1.2幾種常見的代價函數(shù)(99)
14.1.3組合改進代價函數(shù)(100)
14.2基于BP神經(jīng)網(wǎng)絡的盲均衡器代價函數(shù)的選用(101)
14.2.1基于BP神經(jīng)網(wǎng)絡的盲均衡算法(101)
14.2.2常模盲均衡算法CMA(p，q)中p值的選用(102)
14.2.3組合改進型代價函數(shù)的選用(102)
14.3小結(jié)(105)
第15章基于可調(diào)激活函數(shù)的復值BP神經(jīng)網(wǎng)絡盲均衡技術(shù)研究(106)
15.1引言(106)
15.2新型盲均衡器的模型和算法(107)
15.3模擬和討論(111)
15.3.1仿真設置(111)
15.3.2結(jié)果與討論(112)
15.4小結(jié)(113)
第16章基于BP神經(jīng)網(wǎng)絡的代價函數(shù)及其在盲均衡器設計中的應用(114)
16.1引言(114)
16.2基本理論(114)
16.3代價函數(shù)的性質(zhì)(114)
16.4一些代價函數(shù)(115)
16.4.1模擬和討論(116)
16.4.2以CMA(p，2)表示的p值(116)
16.4.3改進代價函數(shù)的模擬(116)
16.5小結(jié)(117)
第17章總結(jié)與展望(118)
17.1本研究所做的工作(118)
17.2進一步研究展望(120)
附錄A“通信系統(tǒng)盲均衡算法仿真平臺”軟件開發(fā)說明文檔(121)
A.1軟件開發(fā)說明(121)
A.2通信系統(tǒng)盲均衡算法仿真平臺框架(122)
A.3通信系統(tǒng)盲均衡算法仿真平臺軟件擴展(132)
參考文獻(144)
致謝(158)