非线性滤波器在超窄带通信中的应用

摘要

频率资源严重不足与高速可靠的信息传输存在着日益突出的矛盾，如何提高数字通信频谱利用效率正是当前数字通信领域研究的热点。超窄带（UNB：Ultra Narrow Band）通信是一种可以提供很高频谱利用率的技术，而EBPSK（Extended Binary Phase Shift Key）调制方法表现出了超窄带的特点。本文从理论研究出发，结合人工神经网络和Volterra序列的特点，设计了EBPSK调制信号的非线性滤波器。 在通信系统中，信号谱重叠导致干扰抑制问题；信道的非线性失真使系统的性能严重恶化，而这些常常需要非线性滤波器来处理。针对通信信号的非线性滤波问题，在前人研究和现有工作的基础上，本文深入研究了基于最低误码率（MBER：Minimum Bit Error Rate）准则的非线性时域滤波理论，据此构筑了滤波器的实现形式，并希望用于超窄带通信系统等领域。 人工神经网络（Artificial Neural Network，ANN）是近几十年来发展迅猛的一门边缘学科，在信号处理、模式识别、智能控制等领域中的应用价值越来越被人们重视。ANN对众多学科的包容性、应用范围的广泛性及其理论方泫的多样性是前所未有的。由于ANN具有表示任意非线性关系和学习的能力，给建立非线性滤波器提供了新思想和新方法。Volterra序列由于其自身特点，可构建有效的非线性模型，从而给滤波器设计提供了另一思路。针对EBPSK信号的干扰抑制问题，本文采用MBER非线性滤波器进行了有效的仿真实验，并对滤波器的参数训练做了详细阐述。

目录

文摘

英文文摘

声明

第1章 绪论

1.1 研究背景

1.2 时频混叠信号的分离

1.3 课题的实验平台

1.4 论文的主要工作

1.4.1 研究目标

1.4.2 研究工作及结构安排

第2章 超窄带通信

2.1 超窄带通信发展历程

2.2 EBPSK调制

2.2.1 背景技术

2.2.2 EBPSK调制统一表达式

2.2.3 调制系统框图

2.3 本章小结

第3章 神经网络和非线性滤波

3.1 人工神经网络

3.1.1 神经网络原理

3.1.2 网络模型与结构

3.1.3 学习规则

3.2 非线性滤波

3.2.1 信号处理概述

3.2.2 非线性滤波器模型与结构

3.2.3 非线性滤波器的参数训练

3.3 神经网络与非线性滤波

3.3.1 神经网络在非线性滤波中的优势

3.3.2 基于BP神经网络的非线性滤波器

3.3.3 榆测器设计

3.3.4 仿真实例

3.4 本章小结

第4章 MBER非线性滤波器用于干扰抑制

4.1 MBER准则

4.1.1 MBER简介

4.1.2 目标函数模型

4.1.3 随机梯度算法

4.1.4 应用领域

4.2 仿真信道模型

4.3 基于ANN的MBER非线性滤波器用于干扰抑制

4.3.1 RBF网络简介

4.3.2 基于RBFNN的非线性滤波器

4.3.3 参数训练

4.3.4 仿真实例

4.4 基于VS的MBER非线性滤波器用于EBPSK干扰抑制

4.4.1 Volterra序列表达式

4.4.2 Volterra滤波器结构

4.4.3 Volterra核的训练

4.4.4 仿真实例

4.5 几类改进算法

4.5.1 滑窗随机梯度算法

4.5.3 滑窗混合BFGS算法

4.5.3 滑窗混合LBFGS算法

4.6 本章小结

第5章 总结与展望

致谢

参考文献

研究生期间发表论文