基于支持向量机与正交小波变换的盲均衡算法

论文摘要

在无线通信系统中,由于信道的多径衰落等一些复杂特性的影响,导致信号传输过程中不可避免的产生码间干扰,这样严重影响了通信质量。均衡技术的出现可以很好的解决这一问题,使得通信系统可以更加可靠和有效。而盲均衡技术在性能上表现出的很多优点,使其成为近年来的一个研究热点。本文在分析了各种盲均衡算法基础上,针对小样本通信,以支持向量机为数学工具,结合小波变换,分数间隔,以及判决引导算法,对盲均衡算法进行了深入研究,并且提出了以下几种算法,通过]matlab对这些算法进行了仿真,分析了各种算法的性能,本文主要的研究内容如下：1提出了基于正交小波变换的支持向量机盲均衡算法支持向量机是一种非常优秀的小样本学习工具,它可以被用来对数据进行回归或者分类,并且支持向量机具备全局最优化特点,设计的算法可以避免局部最小化。盲均衡算法实质上就是对接收信号进行一个回归拟合问题,使得输出信号可以满足误差性能,本文利用支持向量机的一些特点,针对传统常数模盲均衡算法的搜索方法存在的缺陷,研究了支持向量机盲均衡算法,并将正交小波变换引入到盲均衡算法中,提出了基于正交小波变换的支持向量机盲均衡算法。该方法利用小波变换的去相关性来提高支持向量机盲均衡算法的收敛性能,充分利用了支持向量机的全局随机搜索的特性。实验仿真结果表明了所提算法的优越性。2提出了引入支持向量机的小波分数间隔盲均衡算法由于支持向量机盲均衡算法是通过线性规划求解来搜索最优化权向量的,该搜索方法在处理小样本数据时,可以表现出非常强的优化性能,但是当样本数据不断增大时,所需要的计算量会大大增加。而小波分数间隔盲均衡算法是利用随机梯度下降法来搜索最优化权向量,这种算法很容易出现局部最小化,提出一种可以避免局部最小化的算法是很有必要的。根据以上两种算法的优缺点,提出一种引入支持向量机的小波分数间隔盲均衡算法,该算法先利用支持向量机盲均衡算法来启动均衡器,对一小段接收信号进行均衡,得到一组优化权向量,利用该权向量来初始化小波分数间隔盲均衡算法,使得算法既避免了局部极小化又可以实现对接收信号的实时均衡。实验仿真表明了该算法具有优秀的性能。3提出了基于支持向量机的小波判决引导组合盲均衡算法为了进一步改善算法的稳态误差性能,一种软切换双模式盲均衡算法被提出,该算法是常数模算法(CMA)和判决引导(Decision Directed, DD)算法相结合的联合盲均衡算法,基于统计特性均衡准则的均衡算法(Liner Equalizer, LE)收敛速度极快,但其收敛后稳态误差大,且不能纠正相位旋转,并且考虑到基于统计特性均衡准则的均衡算法在启动均衡时,对权向量的初始化仍然比较敏感,所以对其初始化权向量的设定需要进一步研究。通过分析,针对以上所述两种算法提出了一种基于支持向量机的小波判决引导组合盲均衡算法。水声信道的仿真结果表明,该算法均衡效果很好,验证了其有效性。

论文目录

• 摘要
• Abstract
• 符号及缩写含义清单
• 引言
• 1 绪论
• 1.1 选题的背景和意义
• 1.2 盲均衡技术的发展
• 1.3 支持向量机研究概况
• 1.4 算法性能的评价标准
• 1.5 本论文的主要研究内容
• 2 支持向量机原理
• 2.1 支持向量机描述
• 2.2 支持向量机理论基础
• 2.2.1 经验风险最小化原则
• 2.2.2 VC维
• 2.2.3 机器学习的复杂度和推广能力
• 2.2.4 结构风险最小化原则
• 2.3 支持向量机最优超平面构造
• 2.4 支持向量机回归算法
• 2.5 核与支持向量机
• 2.6 本章小结
• 3 正交小波变换支持向量机盲均衡算法
• 3.1 盲均衡原理
• 3.2 支持向量机常数模盲均衡算法
• 3.2.1 算法描述
• 3.2.2 算法仿真
• 3.3 基于正交小波变换的支持向量机盲均衡算法
• 3.3.1 算法描述
• 3.3.2 算法仿真
• 3.4 本章小结
• 4 引入支持向量机的小波分数间隔盲均衡算法
• 4.1 基于正交小波变换常数模盲均衡算法
• 4.1.1 正交小波变换盲均衡理论
• 4.1.2 算法描述
• 4.2 基于正交小波变换的分数间隔常数模盲均衡算法
• 4.2.1 分数间隔均衡器思想
• 4.2.2 算法描述
• 4.2.3 算法仿真
• 4.2.4 性能分析
• 4.3 引入支持向量机的正交小波分数间隔盲均衡算法
• 4.3.1 算法描述
• 4.3.2 算法实现步骤
• 4.3.3 计算量分析
• 4.3.4 算法仿真
• 4.4 本章小结
• 5 基于支持向量机的小波判决引导组合盲均衡算法
• 5.1 正交小波判决引导组合盲均衡算法
• 5.1.1 判决引导与线均衡算法的组合算法
• 5.1.2 基于正交小波的判决引导组合算法描述
• 5.2 基于支持向量机的小波判决引导组合盲均衡算法
• 5.2.1 算法描述
• 5.2.2 算法仿真
• 5.2.3 性能分析
• 5.3 本章小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 作者简介及读研期间主要科研成果