基于极限学习机的卫星信道盲均衡算法研究

摘要

卫星通信系统中，信道的非线性及群时延特性导致传输信号产生畸变、造成频谱泄露并对邻道形成干扰，严重影响了通信质量。接收端盲均衡技术在无需获得信道先验信息和训练序列的情况下，能够针对畸变信号进行自适应恢复，在节约频谱资源的同时，可有效克服卫星信道非理想特性产生的影响。极限学习机（ExtremeLearningMachine,ELM）是一种新型的单隐层前馈神经网络，因其良好的非线性映射、快速的全局搜索能力以及简单的网络拓扑等特点，广泛用于解决分类和回归问题，涉及的领域包括图像分类、人脸识别、疾病诊断、时间序列分析、信道均衡等。本文主要研究基于极限学习机的卫星信道盲均衡算法，具体工作如下。　　（1）针对卫星信道下高阶QAM信号的盲均衡问题，深入地研究了极限学习机基础理论知识，包括隐层参数（输入权值和偏置）的随机以及优化生成方式、输出权值的约束求解方法、线性和非线性输出层以及复数型极限学习机等。　　（2）较为深入地研究了基于预测原理以及基于传统代价函数的神经网络盲均衡方法。在复数极限学习机的框架下，提出了基于预测原理的极限学习机盲均衡算法(Prediction-basedELMBlindEqualizationAlgorithm,P-ELM-BEA)以及基于常模算法(ConstantModulusAlgorithm,CMA)并采用支持向量回归(SupportVectorRegression,SVR)训练的极限学习机盲均衡算法(ELM-SVR-CMA)。针对16QAM信号，在相同的实验条件下，分别完成了线性及非线性信道下两种算法的性能仿真实验。结果表明，相比于P-ELM-BEA，ELM-SVR-CMA具有更低的均方误差(MeanSquareError,MSE)值，但两种算法均存在相位旋转问题。　　（3）在调研卫星通信系统信号调制方式及信道建模的基础上，针对记忆性非线性卫星信道下高阶QAM信号的盲均衡问题，为克服ELM-SVR-CMA的相位旋转问题，在复数极限学习机的框架下，用多模算法（Multi-ModulusAlgorithm,MMA）替换ELM-SVR-CMA中的CMA，进一步提出了基于SVR训练的极限学习机多模盲均衡算法——ELM-SVR-MMA，并在此基础上，联合判决引导（DirectDecision,DD）算法，构造了一种双模式盲均衡方案ELM-SVR-MMA-DD。仿真实验结果表明，通过对ELM选择合适的激活函数并采用非线性输出函数，ELM-SVR-MMA-DD在记忆性非线性卫星信道下，可对16QAM信号实现成功均衡，均衡后星座图清晰且消除了相位旋转。　　（4）为进一步提升ELM-SVR-MMA及ELM-SVR-MMA-DD对卫星信道盲均衡的性能，将受限玻尔兹曼机（RestrictedBoltzmannMachine,RBM）嵌入到复数型极限学习机中，用RBM学习得到的权值和阈值代替传统ELM随机生成的参数值，提出了基于RBM改进的极限学习机盲均衡算法——ELM-R-SVR-MMA，并构造了相应的双模式盲均衡方案ELM-R-SVR-MMA-DD。仿真实验结果表明，针对16QAM信号，在相同的卫星信道模型及信噪比条件下，相比ELM-SVR-MMA-DD，ELM-R-SVR-MMA-DD在同样数据包大小下可获得更低的MSE水平，均衡后星座图更加清晰紧凑，并且隐层节点个数更少，网络拓扑更为简洁。相比于经典的基于Volterra滤波的盲均衡算法，ELM-R-SVR-MMA-DD在所用数据点更少的情况下表现出更优的均衡性能。

目录

声明

第一章 引言

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 卫星信道盲均衡

1.2.2 神经网络盲均衡

1.3 本文的研究内容与结构安排

第二章 极限学习机理论概述

2.1 极限学习机理论

2.1.1 极限学习机基础理论

2.1.2 随机隐层节点

2.1.3 基于约束优化的求解方法

2.2 复数型极限学习机

2.2.1 复数型神经网络

2.2.2 复数型极限学习机

2.3 本章小结

第三章 基于极限学习机的盲均衡算法

3.1 盲均衡原理

3.2 基于预测原理的极限学习机盲均衡算法

3.3 基于传统代价函数的极限学习机盲均衡算法

3.3.1 代价函数的构造

3.3.2 基于迭代求解的极限学习机常模盲均衡算法

3.4 仿真实验

3.4.1 实验设计

3.4.2 实验结果分析

3.5 本章小结

第四章 基于极限学习机的卫星信道盲均衡

4.1 卫星信道建模

4.2 基于极限学习机的卫星信道盲均衡算法

4.2.1 基于迭代求解的极限学习机多模盲均衡算法

4.2.2 基于极限学习机的卫星信道盲均衡算法中的激活函数

4.3 基于极限学习机的卫星信道双模式盲均衡方案

4.4 仿真实验

4.4.1 实验设计

4.4.2 实验结果分析

4.5 本章小结

第五章 基于受限玻尔兹曼机的极限学习机卫星信道盲均衡

5.1 受限玻尔兹曼机

5.2 基于受限玻尔兹曼机的极限学习机

5.3 基于受限玻尔兹曼机的极限学习机卫星信道盲均衡

5.4 仿真实验

5.4.1 实验设计

5.4.2 实验结果分析

5.5 本章小结

第六章 总结与展望

6.1 论文总结

6.2 展望

参考文献

在学期间的研究成果

致谢