基于相关向量机的短波突发信号盲均衡方法研究

摘要

短波通信系统中，信号在信道中传输时受到时延、多径衰落和噪声等的干扰，会产生码间干扰（InterSymbol Interference。ISI），从而使发送信号在接收端无法正确识别。消除或减小ISI的主要技术是信道均衡。盲均衡是不需要训练序列，就能消除ISI而恢复输入信号的信道均衡技术。短波突发通信由于抗干扰和抗截获能力强、保密性能高而被广泛应用在军事通信领域。短波突发信号与传统短波信号相比，符号数通常是几百，有时甚至仅是几十，较少的数据符号对盲均衡技术提出了更高的要求。　　盲均衡技术中，最传统的方法是高阶统计量法，但由于其利用数据的高阶统计特性使得算法运算量特别大，而且需要大量的数据才能收敛并且收敛的速度很慢。这些缺点限制了其在小数据信号处理领域的应用。近些年,支持向量机（Support Vector Machnie。SVM）和相关向量机（Relevance Vector Machine。RVM）等机器学习方法被广泛应用于盲均衡。与基于高阶统计量的盲均衡方法相比，基于SVM和RVM的盲均衡器需要较小数据样本即可达到所要求的均衡水平。相比于SVM，由于RVM基于贝叶斯架构，所以RVM均衡器比SVM均衡器具有更好的收敛性及更稀疏的检测模型。　　传统的SVM或RVM通常使用单一核函数，插值能力和外推能力不能兼而得之，而核函数的选择对均衡器的性能有很大的影响。因此，本文提出采用混合核函数（Hybrid-kernel。Hk）产生设计矩阵，使得基于混合核函数的RVM（Hybrid-kernel Relevance Vector Machine。Hk-RVM）比传统的RVM有更好的插值能力和外推能力。　　本文研究了盲均衡的基本原理，分析了传统的盲均衡方法及各自的优缺点，对RVM的原理及基于RVM的盲均衡方法进行了详细阐述并做了实验仿真。提出了基于 Hk-RVM的盲均衡理论和算法，分别对比了 Hk-RVM与 RVM以及Hk-RVM与SVM的盲均衡算法性能。实验结果表明，Hk-RVM盲均衡器比RVM及SVM盲均衡器具有更好的稀疏性且误码率更低。此外，Hk-RVM和RVM盲均衡器基于贝叶斯架构，使得其均衡稳定性高于SVM盲均衡器。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

1.1 选题背景及研究意义

1.2 国内外研究现状分析

1.3 本文的研究内容

第二章 短波信道特点及其传输模型

2.1 短波信道的物理特点

2.2 短波信道的等效模型

2.3 短波突发信道的等效模型

2.4 本章小结

第三章 短波突发信号的盲均衡方法

3.1 盲均衡的基本原理

3.2 恒模盲均衡方法

3.3 基于数据重用技术的恒模短波突发信号盲均衡方法

3.4 基于支持向量机的短波突发信号盲均衡方法

3.5 实验仿真

3.6 本章小结

第四章 相关向量机的理论及算法

4.1 概率知识

4.2 用于回归的相关向量机

4.3 用于分类的相关向量机

4.4 实验仿真

4.5 本章小结

第五章 基于相关向量机的短波突发信号盲均衡方法

5.1 相关向量机的核函数

5.2 基于相关向量机的短波突发信号盲均衡方法

5.3 基于混合核函数相关向量机的短波突发信号盲均衡方法

5.4 实验仿真

5.5 本章小结

第六章 总结和展望

参考文献

致谢