在異步協(xié)作通信系統(tǒng)的一些應(yīng)用場景,如軍事行動(dòng)、搶險(xiǎn)救災(zāi)等,沒有條件部署基站或中心控制節(jié)點(diǎn)進(jìn)行協(xié)調(diào)調(diào)度,而且對(duì)系統(tǒng)開銷有著嚴(yán)格的限制,這時(shí)將無法采用信道估計(jì)、中繼選擇等技術(shù)。為了確保目的節(jié)點(diǎn)能夠接收到信號(hào),每個(gè)中繼對(duì)來自源節(jié)點(diǎn)的信號(hào)進(jìn)行AF轉(zhuǎn)發(fā)。為了對(duì)接收信號(hào)正確地判決,在接收端采用自適應(yīng)均衡技術(shù)消除多個(gè)異步中繼轉(zhuǎn)發(fā)產(chǎn)生的符號(hào)間干擾。LMS算法作為一種常用的自適應(yīng)均衡算法,其最大缺點(diǎn)是收斂速度較慢。本文在上述背景下,研究了異步協(xié)作通信系統(tǒng)中的自適應(yīng)均衡技術(shù),采用了不同的群智能算法對(duì)LMS算法進(jìn)行了改進(jìn)。主要內(nèi)容如下:（1）提出了一種基于PSO球形搜索的LMS算法,利用PSO算法的尋優(yōu)能力加快LMS算法的收斂速度,同時(shí)解決了PSO算法中的局部收斂問題。在均衡器訓(xùn)練階段的每一輪迭代產(chǎn)生誤差后,利用PSO算法在該誤差周圍搜索最優(yōu)解,再使用PSO算法的輸出結(jié)果,按照LMS公式來訓(xùn)練均衡器的抽頭系數(shù)。時(shí)域均衡和頻域均衡的仿真結(jié)果表明,該算法的收斂性能和誤比特率性能優(yōu)于傳統(tǒng)LMS算法。（2）根據(jù)PSO算法中粒子的運(yùn)動(dòng)同時(shí)參考個(gè)體歷史最優(yōu)和全局歷史最優(yōu)這一特點(diǎn),提出了一種計(jì)算量較小的PSO-LMS聯(lián)合... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 針對(duì)協(xié)作通信中異步問題的研究
        1.2.2 LMS算法的改進(jìn)
    1.3 論文主要工作和章節(jié)安排
第二章 異步協(xié)作通信系統(tǒng)的自適應(yīng)均衡技術(shù)
    2.1 無線信道
        2.1.1 平坦衰落與頻率選擇性衰落
        2.1.2 多徑信道的概率統(tǒng)計(jì)模型
    2.2 異步協(xié)作通信系統(tǒng)模型
    2.3 均衡技術(shù)
        2.3.1 時(shí)域均衡
        2.3.2 頻域均衡
    2.4 自適應(yīng)均衡算法
        2.4.1 LMS算法
        2.4.2 基于誤差的變步長LMS算法
        2.4.3 RLS算法
    2.5 本章小結(jié)
第三章 基于PSO的改進(jìn)LMS算法
    3.1 群智能算法概述
    3.2 粒子群優(yōu)化算法
        3.2.1 算法的起源與背景
        3.2.2 算法的基本原理
    3.3 基于PSO球形搜索的LMS算法
        3.3.1 時(shí)域PSO-SS-LMS算法
        3.3.2 頻域PSO-SS-LMS算法
    3.4 PSO-LMS聯(lián)合迭代算法
        3.4.1 時(shí)域PSO-LMS-JI算法
        3.4.2 頻域PSO-LMS-JI算法
    3.5 本章小結(jié)
第四章 基于DE和CSO的改進(jìn)LMS算法
    4.1 基于DE球形搜索的LMS算法
        4.1.1 差分進(jìn)化算法
        4.1.2 時(shí)域DE-SS-LMS算法
        4.1.3 頻域DE-SS-LMS算法
    4.2 基于CSO球形搜索的LMS算法
        4.2.1 貓群算法
        4.2.2 時(shí)域CSO-SS-LMS算法
        4.2.3 頻域CSO-SS-LMS算法
    4.3 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡介



本文編號(hào)：2903723