改进GA-BP神经网络的无线信道预测方法

无线信道建模与仿真中,实现一种高效率、高准确性的无线信道预测方法是具有非常重要意义的。针对该需求,提出一种基于多种群遗传算法（Multi-population genetic algorithm, MPGA）-反向传播（Back propagation, BP）神经网络的无线信道预测方法。该方法通过改进遗传算法,优化BP神经网络中神经元的权值和阈值,以此改善BP神经网络预测精度差的问题,从而极大提高了BP神经网络的预测性能。将射线跟踪算法的理论值和BP神经网络结合,实现更高效的无线信道预测方法。通过对比遗传算法（Genetic algorithm, GA）-BP神经网络模型和MPGA-BP神经网络模型的预测误差,发现MPGA-BP神经网络模型的预测结果优于GA-BP神经网络模型,证明了所提出无线信道预测方法具有良好的精确度,可以更高效地进行无线信道预测。     

基于TO单管的10W绿光LD光纤耦合模块

理论和实验研究了基于TO单管的绿光LD光纤耦合模块。采用Zemax光线追迹软件对该模块进行了光学设计,包括:绿光TO管的快慢轴准直透镜、缩束透镜组与光纤耦合消像差透镜组。将20支单管通过快慢轴空间合束耦合进入芯径400μm光纤,理论上获得98%以上的光纤耦合效率。实验中选取20支工作电流为1.5A,输出功率为1W的520nm绿光TO单管进行实验,通过快慢轴空间合束技术耦合进入芯径400μm、数值孔径0.22的光纤中,获得10.1W的输出功率,光纤耦合效率为84.2%。     

基于拟合的莱斯因子估计算法

针对现有的莱斯因子矩估计算法适用性低和复杂度大的问题，提出一种基于拟合的改进矩估计算法，以提高莱斯因子的估计效率。改进的算法首先将矩估计模型进行有理函数近似，然后对近似式求逆，得到两个关于莱斯因子的闭合式。仿真结果表明，改进后的算法在样本为50000和1000时，估计效率提高至少2.5倍；在保证估计精度的情况下，拥有更小的时间复杂度，可用在终端资源有限的无线通信场景中。