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

1、傳統(tǒng)通信理論認(rèn)為當(dāng)信號(hào)傳輸速率超過奈奎斯特速率時(shí)，引起的碼間干擾會(huì)導(dǎo)致通信性能下降，因此在現(xiàn)實(shí)中常常采用正交調(diào)制。Mazo在1975年發(fā)現(xiàn)當(dāng)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(hào)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(dāng)使用非sinc脈沖調(diào)制時(shí)，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(shí)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(diǎn)研究了基于遞歸神經(jīng)網(wǎng)絡(luò)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(fù)雜度很高。而基于神經(jīng)網(wǎng)絡(luò)的FTN解調(diào)可以直接根據(jù)訓(xùn)練數(shù)據(jù)和接收信號(hào)進(jìn)行訓(xùn)練。傳統(tǒng)的解調(diào)需要進(jìn)行匹配濾波、白化、均衡、判決等步驟，而神經(jīng)網(wǎng)絡(luò)可以直接實(shí)現(xiàn)對(duì)輸入信號(hào)的判決，在實(shí)際系統(tǒng)中可以更加充分地利用真實(shí)環(huán)境的信息，具

3、有性能潛力。本文通過仿真驗(yàn)證了遞歸神經(jīng)網(wǎng)絡(luò)用于FTN解調(diào)的可行性，并且對(duì)不同參數(shù)下神經(jīng)網(wǎng)絡(luò)的性能做了較為詳細(xì)的仿真研究。
　　首先，對(duì)FTN傳輸?shù)脑碜隽嗽敿?xì)的分析研究。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(duì)不同的算法性能進(jìn)行了仿真分析。
　　其次，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了分析研究

4、。介紹了前向神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)，分析推導(dǎo)了神經(jīng)網(wǎng)絡(luò)BP算法的矩陣形式，詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)訓(xùn)練中常用的算法，并使用Softmax回歸對(duì)奈奎斯特速率下BPSK調(diào)制信號(hào)進(jìn)行了訓(xùn)練與解調(diào)。
　　最后，研究了利用前向神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)解調(diào)FTN傳輸信號(hào)。將Softmax回歸與線性均衡進(jìn)行了對(duì)比，驗(yàn)證了采用線性均衡對(duì)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(duì)FTN的解調(diào)進(jìn)行了詳細(xì)的仿真分析，發(fā)現(xiàn)在訓(xùn)練數(shù)