超奈奎斯特(FTN)速率傳輸?shù)倪f歸神經(jīng)網(wǎng)絡解調(diào)方法.pdf

1、傳統(tǒng)通信理論認為當信號傳輸速率超過奈奎斯特速率時，引起的碼間干擾會導致通信性能下降，因此在現(xiàn)實中常常采用正交調(diào)制。Mazo在1975年發(fā)現(xiàn)當發(fā)送脈沖為理想sinc脈沖，在碼元速率不超過奈奎斯特速率25％的前提下，歸一化信號最小距離不變，因此在高信噪比下可以獲得相近的性能，并將此技術(shù)稱為FTN(Faster Than Nyquist)傳輸技術(shù)。當使用非sinc脈沖調(diào)制時，F(xiàn)TN傳輸可以比奈奎斯特速率傳輸提供更高的系統(tǒng)容量，并且可以根據(jù)實際

2、情況調(diào)整速率，表現(xiàn)出很大的潛力。
　　本文主要研究FTN傳輸理論，并重點研究了基于遞歸神經(jīng)網(wǎng)絡的FTN解調(diào)技術(shù)。FTN傳輸人為引入了碼間干擾，需要使用MLSE解調(diào)才能獲得理論最優(yōu)的性能，但需要知道等效信道的精確信息且復雜度很高。而基于神經(jīng)網(wǎng)絡的FTN解調(diào)可以直接根據(jù)訓練數(shù)據(jù)和接收信號進行訓練。傳統(tǒng)的解調(diào)需要進行匹配濾波、白化、均衡、判決等步驟，而神經(jīng)網(wǎng)絡可以直接實現(xiàn)對輸入信號的判決，在實際系統(tǒng)中可以更加充分地利用真實環(huán)境的信息，具

3、有性能潛力。本文通過仿真驗證了遞歸神經(jīng)網(wǎng)絡用于FTN解調(diào)的可行性，并且對不同參數(shù)下神經(jīng)網(wǎng)絡的性能做了較為詳細的仿真研究。
　　首先，對FTN傳輸?shù)脑碜隽嗽敿毜姆治鲅芯?。介紹了FTN傳輸?shù)母拍?，分析了其Mazo限，介紹了其限制信道容量;建立了FTN傳輸?shù)碾x散模型，分析了離散模型中觀測矩陣的性質(zhì);討論了FTN傳輸?shù)腗LSE檢測以及兩種簡單的線性均衡算法，并對不同的算法性能進行了仿真分析。
　　其次，對神經(jīng)網(wǎng)絡模型進行了分析研究

4、。介紹了前向神經(jīng)網(wǎng)絡與遞歸神經(jīng)網(wǎng)絡的模型結(jié)構(gòu)，分析推導了神經(jīng)網(wǎng)絡BP算法的矩陣形式，詳細介紹了神經(jīng)網(wǎng)絡訓練中常用的算法，并使用Softmax回歸對奈奎斯特速率下BPSK調(diào)制信號進行了訓練與解調(diào)。
　　最后，研究了利用前向神經(jīng)網(wǎng)絡與遞歸神經(jīng)網(wǎng)絡解調(diào)FTN傳輸信號。將Softmax回歸與線性均衡進行了對比，驗證了采用線性均衡對FTN傳輸引入的碼間干擾消除的局限性;用MLP模型和RNN模型對FTN的解調(diào)進行了詳細的仿真分析，發(fā)現(xiàn)在訓練數(shù)