基于ANFIS的信道估计算法研究

摘要

移动通信技术已经成为现代通信技术中应用最广泛、发展最迅速的技术之一。第三代移动通信系统即将商用。而满足更高速率，更大容量，为用户提供宽带多媒体业务接入的下一代通信系统(Beyond 3G)也已经应运而生。 未来的无线通信系统将要实现高质量、高速率的多媒体传输。为了实现这一目标，必然要克服无线信道带来的诸多不利影响，如功率受限、空间变化、时间变化、频率变化等。要克服这些影响，应用无线通信系统高速准确的传输数据，就需要对无线信道有更加彻底的了解。所以在与现代通信系统相互关联的诸多技术中，信道估计技术日益成为研究的重点之一。 信道估计技术有很多种，其中基于自适应原理的信道估计技术是其中的一个分支。最小均方误差(LMS)滤波算法和卡尔曼(Kalman)滤波算法是目前应用最为广泛的自适应信道估计算法。 本文针对无线多径信道的特点，经过对以上两种算法进行详尽的分析研究，提出了一种新的信道估计算法--基于自适应神经模糊逻辑推理系统(ANFIS， Adaptive Neuro-Fuzzy Inference System)的信道估计算法。首先，本文采用ANFIS对无线信道的输出数据进行模拟。在确认输出结果误差性能良好之后，设计出针对不同复杂度的信道的估计算法，将其应用到无线通信系统的信道估计算法中，并在不同信噪比环境下进行了仿真实验。 通过计算机仿真实验证明，本文研究的基于ANFIS的信道估计算法在不同信噪比环境下都有效的降低了系统误码率，在计算复杂度，系统性能等方面明显优于传统的自适应信道估计算法。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景

1.2国内外研究现状

1.3衰落无线信道的传播特征

1.3.1无线信道的多径衰落

1.3.2无线信道的时变性以及多普勒频移

1.4 MATLAB/Simulink简介

1.5本文研究工作

第2章ANFIS综述

2.1软计算的组成与传统人工智能

2.1.1从传统智能到计算智能

2.1.2神经元网络

2.1.3模糊集合理论

2.1.4进化计算

2.2神经—模糊和软计算的特性

2.3自适应神经模糊逻辑推理系统(ANFIS)

2.3.1神经模糊逻辑推理系统结构

2.3.2 Takagi-Sugeno型与Mamdani型模糊推理系统

2.3.3 ANFIS系统结构

2.4 MALTAB辅助ANFIS设计

2.4.1基于ANFIS的模型学习和推导

2.4.2 FIS结构和参数调整

2.4.3训练数据及结果模型的有效性

2.4.4用测试和校验数据组检验结果模型

2.4.5 MATLAB自适应神经模糊逻辑工具的使用限制

2.5本章小结

第3章ANFIS系统设计

3.1引言

3.2基于减法聚类原理的ANFIS系统设计

3.3基于最小二乘及反向传播原理的ANFIS系统设计

3.3.1最小二乘原理简述

3.3.2反向传播算法简述

3.3.3 ANFIS系统原理及设计过程

3.3.4采用图形界面工具检验ANFIS系统

3.4本章小结

第4章基于ANFIS的信道估计器设计

4.1信道估计方法

4.2两种典型的自适应信道估计算法

4.2.1最小均方自适应信道估计算法

4.2.2卡尔曼自适应信道估计算法

4.3采用ANFIS对高斯白噪声信道的估计

4.4采用ANFIS设计复杂多径信道估计器

4.4.1采用校验数据建立ANFIS系统

4.4.2改善的ANFIS信道估计器

4.5本章小节

结论

参考文献

攻读硕士期间取得的研究成果

致谢