人工神经网络在通信中的一种应用

新近，人工神经网络在通信中已获得了广泛应用，本文研究人工神经网络应用于通信中均衡与译码问题，提出了能同时完成均衡与译码的新方法。计算机仿真证明，它既适合于最小相位信道，也适合于非最小相位信道，还适合于非线性信道。     

一种神经网络均衡器/译码器

均衡与译码是通信中两个重要问题。通常,均衡与译码是各自完成的,本文利用神经网络的特点,提出了能同时完成均衡和译码两种功能的自适应神经网络均衡器/译码器。计算机仿真表明其误码率较低,它能适合于最小相位信道、非最小相位信道,也能适合于非线性信道。     

一种应用三阶倒谱的盲均衡新算法

提出了一种基于系统输出三阶倒谱的非最小相位信道盲均衡新算法,由该算法构成的盲均衡器可适用于多电平通信系统。首先利用非对称性变换改变传送信号的对移分布特性,然后利用系统的三阶倒谱方程分别求出信道的最大和最小相位分量,在此基础上构成盲 均衡器。     

高效LDPC码译码算法研究

低密度奇偶校验(low-density parity-check,LDPC)码是最接近香农极限的纠错码之一,它因具有优良的性能而被国际通信标准组织广泛采用.首先介绍了LDPC码的背景和相对于其他纠错码的优势所在,然后对高阶调制的译码算法所使用的SPA算法和最小和算法进行了深入分析,并针对使用移动衰落信道时可能会产生的影响提出了一种均衡算法(基于频域的最小均方误差线性均衡算法).在仿真阶段,对经过高阶调制的LDPC码的两种译码算法分别在AWGN信道和SFN信道的译码性能进行了研究,分析不同误码率阶段的译码性能,同时与给出的卷积码的译码性能对比,给出了相关的误码率曲线.     

一种适用于高阶QAM信号的水声信道盲均衡算法

目前，盲均衡是水声通信领域中的热点问题。针对多径衰落水声信道的均衡问题，提出了一种修正的超指数迭代盲均衡算法，该算法可校正水声信道引入的载波相位旋转。在收敛阶段采用该算法，之后根据某一切换准则，切换到判决导引算法，可有效减小超指数迭代算法对高阶正交幅度调制信号的剩余均方误差。仿真结果表明，该算法有效纠正了载波相位旋转，并获得了较快的收敛速度和较小的稳态误差，提高了水声通信的质量，因而具有良好的工程应用价值。     

一种新型低复杂度的Turbo TCM迭代均衡译码结构及算法

提出了一种新型低复杂度的Turbo TCM(TTCM)迭代均衡译码结构,用交织器和解交织器将软输入软输出(SISO)的均衡器与基于符号的TTCM译码器级联起来进行迭代均衡译码,这样不但可获得较高的频带利用率,而且可消除限带信道中的码间干扰(ISI)．在接收端,采用基于最小均方误差的线性均衡器(MMSE-LE)代替基于最大后验概率(MAP)均衡器,这样可大大降低系统的复杂度．通过仿真表明,这种低复杂度的TTCM迭代均衡译码系统的性能可接近于高斯信道下TTCM系统的性能．     

基于动态可变分段误差函数的常数模盲均衡算法

为了克服常数模算法（ CMA）收敛速度慢,稳态误差大的缺点,在分析基于可变分段误差函数的常数模盲均衡算法的基础上,提出了基于动态可变分段误差函数的常数模盲均衡算法。该算法利用均方误差（ MSE）来动态调节误差函数的分段点位置,误差函数特性在均衡过程中随着MSE不断变化,使得算法误差模型与发射信号的模型不断匹配,从而具有增加收敛速度和减小稳态误差的特点。分别用混合相位水声信道和最小相位水声信道对提出的新算法进行仿真实验,结果表明：对于混合相位水声信道,新算法的收敛速度明显快于CMA,且具有更小的稳态均方误差;对于最小相位水声信道,新算法的稳态均方误差明显小于CMA,而收敛速度相当。     

Turbo空时分组码系统信道编译码方法

为抵抗无线通信信道的选择性衰落以及提高系统的通信质量，提出了一种多发射天线多接收天线系统的信道编译码方法.Turbo 空时分组码系统的译码算法综合了2种码字的译码算法.采用多发射天线的系统结合空时分组码（STBC）码字矩阵和无线通信信道特性，推导了Turbo码译码过程所需的对数似然比（LLR）；采用多接收天线的系统将各天线计算所得的对数似然比最大比合并（MRC）再进行迭代译码.仿真结果表明，Turbo空时分组码系统能够综合Turbo码的编码增益和空时分组码的分集增益，编译码复杂度不高，性能优异；在同等条件下，此译码算法所需信噪比优于基于最小欧式距离的译码算法近0.5 dB.     

低复杂度信道矩阵排序的MIMO固定复杂度球译码

提出了一种多输入多输出通信系统中,根据最小均方误差(MMSE)译码器判决变量的可靠性进行信道矩阵排序的固定复杂度球译码(FSD)算法.首先进行MMSE译码,然后计算MMSE判决变量的可靠性,并将其作为信道矩阵排序的依据.该排序算法不仅能够有效降低传统FSD预处理阶段的复杂度,而且避免了FSD预处理阶段的串行特性,使得排序依据可并行计算,显著改善了译码实时性.仿真结果表明,低复杂度排序算法引起的性能损失很小,误符号率仍能接近最大似然译码.     

时变信道下CPM信号自适应盲均衡算法

针对时变频率选择性衰落信道下二阶连续相位调制 (CPM) 信号盲均衡中存在的均衡性能较差问题,提出了一种新的自适应盲均衡算法。该算法使用双向自适应软输入软输出(SISO)方法,同时利用过去、现在和将来的观察数据符号来进行递归最小二乘(RLS)估计,有效改善了信道估计的精度。仿真结果表明所提算法具有良好的盲均衡性能。     

一种LC_CDMA信道估计方法

在 L C_ CDMA通信系统中 ,由于在多径衰落信道下使用了时变扩频码 ,使得信道估计非常困难 ,而对接收机的设计往往需要信道的先验知识。通过利用 L C_ CDMA的输出进行信道估计 ,建立一个CDMA通信系统数学模型和多径频率选择性衰落信道的 FIR滤波器模型 ,用线性神经网络结构的子空间分解方法获得噪声子空间 ,提取噪声分量的信道估计算法 ,并结合信道估计 ,利用噪声子空间与信号子空间正交的特性 ,求解出频率选择性多径信道的响应系数。构建了一个长码条件下的多用户检测器 ,并仿真分析算法的性能。     

改进BP神经网络在三相流相分率检测中的应用

本文构建了基于Bayesian正则化算法的BP神经网络模型,对水平管油气水三相流相分率进行了预测,解决了振动管密度法只能测量两相流相分率的问题.通过设计的实验装置获得了测试样本,进行了预测效果检验.结果表明,神经网络预测值与实际值非常吻合,含气率预测最大误差为2.7%,含水率最大误差为3.8%,大大提高了相分率的测量精确度,为利用振动式密度计测量油气水三相流相分率提供了一种有效的方法.     

通信网络中缩减的Hopfield神经网络路由算法

为保证神经网络收敛于全局最优点,采用模拟退火算法研究了Hopfield神经网络的局部稳定问题,针对Hopfield神经网络路由算法需要神经元数目众多、计算量大的缺点,提出规模缩小化的Hopfield神经网络路由算法.采用减少神经元数量的方法,减小神经网络规模,提高路由运算能力和神经网络的适应性.比较了原路由算法和改进算法的迭代次数、运算速度和稳定状态能量函数,分析在通信网络和神经网络各参数变化情况下,迭代算法的收敛特性和稳定性的变化规律,总结神经网络路由计算3种约束系数之间的关系.结果表明,缩减的Hopfield神经网络路由计算较原算法具有更高的有效性、可靠性和应用适应性.     

RFID网络读写器冲突避免MAC协议

为了解决射频识别(RFID)网络中的读写器冲突,提出了一种异步的基于预约的多信道读写器冲突避免媒质接入控制(MAC)协议.读写器根据控制信道监测到的邻读写器当前信道使用情况,选择一个空闲通信信道并向邻读写器广播,从而实现读写器无冲突地与标签通信.该协议避免了多个相邻读写器同时与标签通信,解决了读写器一标签干扰,并采用多...     

RBF网络在通信信号自动识别中的应用

通信信号自动分类是一模式识别问题，通常用数字信号处理和模式分类的方法来求解．文中提出了将ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）网络方法应用于通信信号自动识别的具体方法．构造了运用ＲＢＦ网络的信号分类的神经网络结构．通过模拟实验表明，由于采用了将信号特征矢量降维的方法，该网络不仅能够很好地完成信号分类，而且具有比传统方法训练速度快、占用存贮空间少、容错性强和易子硬件实现等特点．     

神经网络方法评价泥石流危险度

近年来,泥石流问题的研究得到了广泛重视,泥石流危险度评价领域也取得了前所未有的发展。总结了泥石流危险度的评价方法,介绍了模型试验、数值模拟方法、灰色关联度法、神经网络方法及GIS和RS方法。计算了神经网络算例,并与已得泥石流危险度评价成果进行对比,验证了神经网络在危险度评价领域的实用性。最后认为以GIS和RS技术为基础,神经网络方法在定量评价的单沟和区域泥石流危险度评价领域具有广泛应用前景。     

基于混沌分析的BP神经网络模型及其在负荷预测中的应用

结合混沌分析理论和BP神经网络，提出在混沌相空间建立BP神经网络模型。运用混沌方法构成训练样本及确定神经网络的网络结构，用神经网络拟合相空间相点演化的非线性关系。并利用该模型对具混沌特性的电力系统日负荷时间序列进行短期预测，对比了标准BP网络模型和混沌线性回归模型的预测结果，结果表明基于混沌分析的BP神经网络模型的预测精度较高。     

基于MEA-WNN的短波通信最佳频率预测

针对短波通信中通信频率选择不恰当导致信号衰落严重、传输不可靠等问题,提出一种基于思维进化的小波神经网络(mind evolutionary algorithm-wavelet neural network,MEA-WNN)和混沌理论相结合的短波通信频率预测方法.采用具有良好的非线性拟合特性的小波神经网络作为预测模型,利用混沌理论重构相空间,确定神经网络各层节点个数,并用思维进化算法优化网络的初始权值与网络中小波函数的伸缩因子和平移因子.实验表明,MEAWNN算法能提高短波通信f0 F2的预测精度.     

基于改进萤火虫优化神经网络的WSNs分簇路由协议

针对无线传感器网络中能耗不均衡问题,提出了一种基于改进萤火虫算法优化反向传播神经网络的非均匀分簇路由协议.通过在萤火虫算法中引进权重因子并增加4个评价指标,来平衡簇内负载和减少簇间的通信距离.结合BP神经网络,优化路径选择和簇首选举方式,达到最佳成簇效果.仿真结果表明,改进萤火虫算法优化BP神经网络的非均匀分簇路由协议能有效延长网络生命周期,节省能量,并均衡能耗.     

优化分组长度的IEEE802.11网络性能

节点移动等特征使得IEEE 802.11网络中存在大量的短时通信. 为了实现短时相遇业务流的公平通信和较高的网络吞吐量,理论分析了非理想信道中保证最高链路吞吐量的分组长度;借助仿真模拟了保证短时相遇业务流公平通信的分组长度,并给出了经验值;得到了可以在短时公平通信的前提下实现较高网络吞吐量的最优分组长度. 仿真结果表明,利用分析得到的分组长度进行通信,相遇业务流可以在给定时间内实现公平通信,同时保持较高的网络吞吐量.