基于svm的智能天线算法研究

上传人:E**** 文档编号:117929944 上传时间:2019-12-11 格式:PDF 页数:140 大小:2.57MB
返回 下载 相关 举报
基于svm的智能天线算法研究_第1页
第1页 / 共140页
基于svm的智能天线算法研究_第2页
第2页 / 共140页
基于svm的智能天线算法研究_第3页
第3页 / 共140页
基于svm的智能天线算法研究_第4页
第4页 / 共140页
基于svm的智能天线算法研究_第5页
第5页 / 共140页
点击查看更多>>
资源描述

《基于svm的智能天线算法研究》由会员分享,可在线阅读,更多相关《基于svm的智能天线算法研究(140页珍藏版)》请在金锄头文库上搜索。

1、分类号T N 9 2 9 5 密级 重庆邮电大学硕士学位论文 论文题目 英文题目 基于S V M 的智能天线算法研究 R e s e a r c ho nS m a r tA n t e n n a A l g o r i t h mb a s e do nS V M 硕士研究生 奎查莶 指导教师周国教授 学科专业通焦皇垡皇丕笙 论文提交日期塑! ! :丝验 论文答辩日期垫丛:! 堡 论文评阅人 答辩委员会主席均登群塾堡重鏖壑皇盔堂 2 0 1 1 年5 月2 8 日 隧L釜 丰互一涟殛 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果。据我所知,除了文中

2、特别加以标注和致谢的地方外,论文中不包含其他人 已经发表或撰写过的研究成果,也不包含为获得重迭由电太堂或其他教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确的说明并表示谢意。 学位论文作者签名:压幺才禾签字日期:加7 1 年妨7 自 学位论文版权使用授权书 本学位论文作者完全了解 重废自电太堂有关保留、使用学位论文的规 定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅 和借阅。本人授权重庞邮电太堂可以将学位论文的全部或部分内容编入有关 数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学

3、位论文在解密后适用本授权书) 学位论文作者签名:否太袜 导师签名: 签字日期:汐I7 年岁月7 日 签字日期:【I 重庆邮电大学硕士论文 摘要 摘要 智能天线技术作为T D S C D M A 通信系统的关键技术之一,是当前通信技术领 域的研究热点。智能天线可以通过波束形成达到抑制干扰信号从而提高输出信干噪 比和通信系统容量的目的。因此,研究智能天线算法具有重要的意义和实用价值。 支持向量机( S V M ) 是机器学习领域的最新研究成果,它仅需要少量样本就可以 对同一分布的测试样本具有较好的泛化能力,而且具有处理高维、非线性数据和全 局收敛等优点。支持向量机已被广泛地应用到各个研究领域,也成

4、为处理无线通信 信号的一种新方法。本文以支持向量机作为信号处理工具,将其运用到智能天线算 法的研究。论文的主要工作及创新包括: 1 概述了智能天线的基本原理和经典的波束形成和D O A 估计的算法。介绍了 统计学习理论和支持向量机的基本原理,主要包括V C 维与推广的界、损失函数与 结构风险以及支持向量机。通过计算机仿真,在平面二维数据中展示了支持向量机优 异的分类性能和支持向量回归机的拟合性能。 2 将支持向量机推广到可以处理复信号的复平面,为支持向量机应用于智能天 线的波束形成以及D O A 估计做好铺垫。将波束形成器的最优权值求解问题成功转 化为支持向量机处理近似线性分类的问题来求解,建

5、立了基于L S V M 和N S V M 两 种支持向量机的波束形成器并进行仿真分析,仿真结果表明,与传统算法相比,基 于L S V M 和N S V M 运用于波束形成算法收敛速度更快,输出信干噪比更高,特别是 在过载的情况下表现出比传统算法更优越的性能。基于N S V M 比基于L S V M 的赋 形效果更好,但是复杂度稍高。 3 通过使用S V M 求解A R 模型的系数,得到信号模型的方向谱,调整参数可 以得到理想的D O A 估计谱图。采用支持向量回归机对各个角度的接收信号进行训 练,得到关于输入信号与输出角度的拟合函数。仿真表明,该方法在 7 0 0 ,7 0 0 】的范 围内可

6、达到理想的效果。 4 提出了基于P S V M D D A G 的D O A 估计算法。它是以决策导向无环图( D D A G ) 为多用户D O A 的训练结构和以P S V M 算法作为节点的训练模型,避免了标准S V M 算法中繁琐的二次寻优过程,并就训练过程中算法精度和性能进行了分析和讨论。 与常规的E S P R I T 算法相比,P S V M D D A G 算法在有效减小D O A 估计偏差及降低 计算复杂度上均有较好的表现,而且具有很好的鲁棒性,适合分类数目少的情况。 关键字:智能天线波束形成D O A 估计支持向量机 重庆邮电大学硕士论文 A b s t r a c t A

7、 b s t r a c t S m a r ta n t e n n a t e c h n o l o g y i s o n eo f k e yt e c h n o l o g i e s i nT D S C D M A c o m m u n i c a t i o ns y s t e ma n dt h er e s e a r c hf o c u si nc o m m u n i c a t i o n st e c h n o l o g yc u r r e n t l y S m a r ta n t e n n ac a ns u p p r e s si n

8、t e r f e r e n c es i g n a l sb yb e a m f o r m i n ga n dt h u st oi m p r o v et h e o u t p u tS I N Ra n dc o m m u n i c a t i o ns y s t e mc a p a c i t y T h e r e f o r e ,R e s e a r c h i n go nt h es m a r t a n t e n n aa l g o r i t h mi ss i g n i f i c a n ta n dh a si m p o r t a

9、 n tp r a c t i c a lv a l u e S u p p o r tV e c t o rM a c h i n e ( S V M ) i st h el a t e s tm a c h i n el e a r n i n gr e s e a r c h ,i to n l yt a k e s as m a l la m o u n to fs a m p l et ob et e s t e do nt h es a m ed i s t r i b u t i o no ft h es a m p l ea n dh a s g o o dg e n e r

10、a l i z a t i o na b i l i t y , b u ta l s od e a lw i t hh i g hd i m e n s i o n a l ,n o n l i n e a rd a t aa n d g l o b a lc o n v e r g e n c ea d v a n t a g e s S u p p o r tv e c t o rm a c h i n e sh a v eb e e nw i d e l ya p p l i e dt o v a r i o u sa r e ao fr e s e a r c h ,h a sb e

11、 c o m ean e wm e t h o di nw i r e l e s sc o m m u n i c a t i o ns i g n a l p r o c e s s i n g I nt h i sp a p e r , s u p p o r tv e c t o rm a c h i n e sa sas i g n a lp r o c e s s i n gt o o la p p l yt o r e s e a r c ht h es m a r ta n t e n n aa l g o r i t h m T h em a i nw o r ka n di

12、 n n o v a t i o no ft h i s p a p e r i n c l u d et h a t : F i r s t l y , t h ep a p e rg i v e sag e n e r a lo v e r v i e wo ft h eb a s i cp r i n c i p l e so fs m a r ta n t e n n a a n dc l a s s i c a la l g o r i t h m so fb e a m f o r m i n ga n dD O Ae s t i m a t i o n V Cd i m e n

13、s i o na n d g e n e r a l i z a t i o no ft h eV Cb o u n d a r y , l o s sf u n c t i o ni ns t r u c t u r a lr i s ka n ds u p p o r tv e c t o r m a c h i n e sa r e i n c l u d e d T h r o u g hc o m p u t e rs i m u l a t i o n ,s u p e r i o r c h a r a c t e r i s t i c so f c l a s s i f i

14、 c a t i o ni ns u p p o r tv e c t o rm a c h i n ea n df i t t i n gp e r f o r m a n c ei ns u p p o r tv e c t o r m a c h i n er e g r e s s i o ni nt w o - d i m e n s i o n a ld a t aa r eb e i n gs h o w n S e c o n d l y , i te x t e n d e ds u p p o r tv e c t o rm a c h i n e st ot h ec o

15、 m p l e xp l a n eS Ot h a tc a n h a n d l et h ec o m p l e xs i g n a lf o rt h ea p p l i c a t i o no fs u p p o r tv e c t o rm a c h i n ei nb e a m f o r m i n g a n dD O Ae s t i m a t i o nw o r k sw e l lt h ec u s h i o n T h eo p t i m u mb e a m f o r m e rw e i g h t st r a n s l a t

16、 e i n t os o l v i n ga p p r o x i m a t el i n e a rc l a s s i f i c a t i o np r o b l e m sd e a l i n gw i t hs u p p o r tv e c t o r m a c h i n e E s t a b l i s h e db e a m f o r m e rb yt h eL S V Ma n dN S V Mb a s e do ns u p p o r tv e c t o r m a c h i n e s B ys i m u l a t i o na n a l y s i s ,t h er e s u l t ss h o wt h a t ,C o m p a r e dw i t ht h et r a d i t i o n a l a l g o r i t h m ,L S V Ma n dN S V M u s e di nb e a m f o r m i

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 办公文档 > 其它办公文档

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号