無(wú)線通信智能處理及干擾消除技術(shù)

目錄
1 引言 1
1.1 人工智能背景下無(wú)線通信的發(fā)展趨勢(shì)與意義 1
1.1.1 無(wú)線通信發(fā)展趨勢(shì) 1
1.1.2 無(wú)線通信與人工智能結(jié)合的意義 2
1.2 無(wú)監(jiān)督學(xué)習(xí)在無(wú)線通信中的研究進(jìn)展與發(fā)展態(tài)勢(shì) 2
1.2.1 機(jī)器學(xué)習(xí)與盲源分離理論 2
1.2.2 盲源分離在無(wú)線通信中的研究進(jìn)展與發(fā)展態(tài)勢(shì) 4
1.3 本書(shū)內(nèi)容結(jié)構(gòu) 11
參考文獻(xiàn) 13
2 擴(kuò)頻通信系統(tǒng)中盲自適應(yīng)接收處理方法 18
2.1 基于廣義協(xié)方差矩陣的DS-CDMA盲自適應(yīng)接收方法 18
2.1.1 研究背景 18
2.1.2 系統(tǒng)模型分析 19
2.1.3 基于廣義協(xié)方差矩陣的DS-CDMA盲分離檢測(cè) 20
2.1.4 仿真實(shí)驗(yàn)分析 26
2.2 基于二階錐規(guī)劃的DS-CDMA盲多用戶(hù)分離檢測(cè)方法 31
2.2.1 研究背景 31
2.2.2 系統(tǒng)模型分析 33
2.2.3 基于二階錐規(guī)劃的DS-CDMA盲多用戶(hù)檢測(cè) 33
2.2.4 仿真實(shí)驗(yàn)分析 39
2.3 本章小結(jié) 42
參考文獻(xiàn) 43
3 跳頻通信系統(tǒng)中智能處理技術(shù) 45
3.1 正交跳頻體制下基于稀疏性的欠定盲源分離技術(shù) 45
3.1.1 研究背景 45
3.1.2 系統(tǒng)模型分析 46
3.1.3 基于密度聚類(lèi)盲分離技術(shù) 48
3.1.4 算法性能分析 50
3.1.5 仿真實(shí)驗(yàn)分析與討論 52
3.2 非正交跳頻信號(hào)在時(shí)頻域中的欠定盲源分離 57
3.2.1 研究背景 57
3.2.2 系統(tǒng)模型分析 58
3.2.3 匹配優(yōu)化盲分離算法 59
3.2.4 匹配優(yōu)化盲分離算法的性能分析 60
3.2.5 仿真實(shí)驗(yàn)分析及討論 63
3.3 本章小結(jié) 67
參考文獻(xiàn) 67
4 正交頻分復(fù)用系統(tǒng)中自適應(yīng)干擾消除與源信號(hào)恢復(fù) 71
4.1 基于ICA的OFDM盲干擾抑制與源信號(hào)恢復(fù)方法 71
4.1.1 研究背景 71
4.1.2 系統(tǒng)模型分析 73
4.1.3 OFDM盲自適應(yīng)干擾抑制與源信號(hào)恢復(fù) 74
4.1.4 仿真實(shí)驗(yàn)分析與討論 83
4.2 基于Vandermonde約束張量分解的OFDM載波同步方法 87
4.2.1 研究背景 87
4.2.2 OFDM傳輸模型與問(wèn)題說(shuō)明 88
4.2.3 基于Vandermonde結(jié)構(gòu)約束張量分解的盲接收方法 90
4.2.4 仿真實(shí)驗(yàn)分析 95
4.3 本章小結(jié) 101
參考文獻(xiàn) 102
5 多輸入多輸出系統(tǒng)中自適應(yīng)接收與智能處理技術(shù) 105
5.1 基于*小誤碼率準(zhǔn)則的盲源分離算法 105
5.1.1 模型與問(wèn)題描述 105
5.1.2 *小誤碼率準(zhǔn)則約束盲源分離 106
5.1.3 仿真實(shí)驗(yàn)分析與討論 111
5.2 基于二階錐條件約束克服信道不匹配的盲分離方法 117
5.2.1 研究背景 118
5.2.2 模型與問(wèn)題說(shuō)明 118
5.2.3 二階錐約束盲分離算法 120
5.2.4 仿真實(shí)驗(yàn)分析與討論 123
5.3 大規(guī)模MIMO中自適應(yīng)信號(hào)恢復(fù)方法 126
5.3.1 研究背景 126
5.3.2 系統(tǒng)模型及問(wèn)題描述 127
5.3.3 快速大規(guī)模盲源分離方法 128
5.3.4 性能分析與討論 130
5.3.5 仿真分析 131
5.4 本章小結(jié) 132
參考文獻(xiàn) 133
6 基于指導(dǎo)型盲源分離的全雙工認(rèn)知無(wú)線電技術(shù) 135
6.1 研究背景 135
6.2 系統(tǒng)模型及問(wèn)題描述 136
6.3 基于指導(dǎo)型盲源分離和非高斯準(zhǔn)則的全雙工認(rèn)知方法 138
6.3.1 基于指導(dǎo)型盲源分離的自干擾消除 138
6.3.2 非高斯準(zhǔn)則判決 140
6.3.3 復(fù)雜度分析及算法流程圖 140
6.4 仿真分析與討論 141
6.5 本章小結(jié) 145
參考文獻(xiàn) 146
7 基于粒子濾波的衛(wèi)星通信盲分離處理 147
7.1 研究背景 147
7.2 系統(tǒng)模型分析 148
7.2.1 K-means聚類(lèi)算法 149
7.2.2 粒子群優(yōu)化模型 149
7.3 粒子群聚類(lèi)的盲源信號(hào)分離算法 150
7.3.1 采樣數(shù)據(jù)的預(yù)處理 150
7.3.2 粒子群聚類(lèi)的盲源信號(hào)分離算法分析 151
7.3.3 算法流程 152
7.4 算法性能分析 154
7.4.1 算法實(shí)施過(guò)程 154
7.4.2 算法的收斂性對(duì)比 155
7.4.3 算法魯棒性分析 156
7.5 仿真實(shí)驗(yàn)分析 157
7.5.1 對(duì)比分析實(shí)驗(yàn)一 157
7.5.2 對(duì)比分析實(shí)驗(yàn)二 160
7.6 本章小結(jié) 161
參考文獻(xiàn) 161
8 陣列天線欠定接收盲辨識(shí)處理 163
8.1 模型與問(wèn)題描述 163
8.2 欠定盲辨識(shí)算法 164
8.2.1 廣義協(xié)方差理論 164
8.2.2 Tucker分解估計(jì)混合矩陣 165
8.2.3 算法復(fù)雜度分析 168
8.3 仿真實(shí)驗(yàn)分析 169
8.4 本章小結(jié) 171
參考文獻(xiàn) 171
9 總結(jié)與展望 173
9.1 總結(jié) 173
9.2 未來(lái)展望 176
附錄 181
縮略詞 183