基于机器学习算法的时变无线信道建模研究

发布时间：2023-12-24 13:11

　　第五代移动通信系统是近年来国内外研究的热点,信道测试、建模与仿真技术研究对5G链路和系统仿真及设计起着极为重要的作用。与此同时,机器学习也逐渐应用于信道建模领域,可以很好地学习数据特征解决时变序列的预测问题。本文的主要工作有:第一,基于现阶段研究较广的两种机器学习的算法,建立了利用神经网络算法与支持向量机算法进行信道参数建模的方法。第二,基于毫米波26 GHz室外微蜂窝在视距信道和非视距场景下的实测数据,利用径向基函数(Radial Basis Function,RBF)神经网络建立联合小尺度参数的回放模型,并对模型的输出结果进行了对比分析。第三,根据2.55 GHz室外微蜂窝在视距和非视距场景下的实测数据,利用最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)建立了信道参数的预测模型,同时引入遗传算法(Genetic Algorithm,GA)对模型的寻优过程进行了优化。结果表明利用RBF神经网络联合小尺度参数回放模型的输出结果能够更加贴近原始数据;利用GA算法可以优化LS-SVM的建模过程,使得GA+LS-SVM模型的建立时间...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状及存在的问题
    1.3 论文的主要工作
第2章 机器学习算法理论
    2.1 神经网络基本原理
        2.1.1 径向基函数(RBF)神经网络原理
        2.1.2 基于RBF神经网络信道建模实现
    2.2 支持向量机基本原理
        2.2.1 支持向量机原理
        2.2.2 最小二乘向量机基本原理
        2.2.3 基于LS-SVM的信道参数预测实现
    2.3 章节小结
第3章 基于RBF的毫米波信道建模研究
    3.1 测量场景及测量系统的介绍
    3.2 RBF神经网络小尺度信道建模及结果
    3.3 仿真及结果分析
        3.3.1 路径损耗的RBF神经网络模型
        3.3.2 联合小尺度信道参数的RBF神经网络模型
    3.4 本章小结
第4章 基于LS-SVM的时变信道建模研究
    4.1 测量场景及测量系统的介绍
    4.2 基于LS-SVM的信道参数建模研究
        4.2.1 SVM参数寻优的方法
        4.2.2 基于GA的模型参数选择
    4.3 基于GA优化的LS-SVM信道建模分析
    4.4 GA+LS-SVM模型和LS-SVM与BP神经网络模型的比较
    4.5 本章小结
第5章 结论与展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3874576