学位论文 > 优秀研究生学位论文题录展示

无线信道统计模型识别及其在MIMO系统下的应用

作　者: 宗胡亮
导　师: 曾明如
学　校: 南昌大学
专　业: 控制理论与控制工程
关键词: 无线信道估计概率密度模型识别信息准则动态直方图混合模型 EM算法
分类号: TN919.3
类　型: 硕士论文
年　份: 2011年
下　载: 19次
引　用: 0次
阅　读: 论文下载

内容摘要

在数字通信中,对无线信道的传输特性进行估计和建模在其性能研究中是一项非常重要的工作。经过长期的研究,人们已经开发了一系列能够快速建模由多径现象引起的无线信道快衰落的统计模型。为了能够在不同的统计模型中找到最符合无线信道特性的模型,人们已经实现了许多不同的模型识别方法。我们最常使用的基于累积分布函数的Kolmogorov-Smirnov (KS)检验在样本数量小时不能有效的识别统计模型。因此,我们又实现了一些基于信息准则的模型识别方法,如直方图方法,混合模型方法和IC方法。这些方法能够计算理论概率密度和经验概率密度之间的Kullback-Leibler (KL)距离,这些距离的最小值将成模型识别的依据。而本文的主要目标就是通过统计的方式对比上述方法识别模型的性能。我们分析了在监督情况下和在非监督情况下对于瑞利分布,韦伯分布以及Nakagami分布的识别问题。我们可以发现基于直方图的KL方法识别模型的可靠性比其他方法都要高。然后,我们采用这些不同的分布识别方法对在实际无线信道环境下得到的实验数据进行仿真识别。最后,为了应对信道对信息高速传输的需要,我们在MIMO系统中应用其中的模型识别方法。实验证明在我们所采用的一维环境和二维环境下,韦伯衰落模型更加适合用来对无线信道进行建模。

全文目录

摘要  3-4
ABSTRACT  4-8
第1章绪论  8-15
  1.1 信道识别的背景与意义  8-9
  1.2 信道识别的研究现状  9-12
  1.3 本文所涉及的数学概念  12-14
    1.3.1 三种信道统计模型  12-13
    1.3.2 Kolmogorov-Smirnov检验  13
    1.3.3 Kullback-Leibler距离  13-14
  1.4 各章节安排  14-15
第2章信息准则  15-19
  2.1 信息标准原理  15-16
  2.2 通过信息准则优化直方图  16-18
    2.2.1 定义  16-17
    2.2.2 直方图的优化  17-18
  2.3 本章小结  18-19
第3章混合模型  19-30
  3.1 混合模型定义  19
  3.2 估计混合模型参数的方法  19-24
    3.2.1 最大似然估计  19-20
    3.2.2 通过EM算法进行最大似然估计  20-22
    3.2.3 EM算法在混合模型中的应用  22-24
  3.3 高斯混合模型  24-28
    3.3.1 定义  24-25
    3.3.2 分解协方差矩阵  25-27
    3.3.3 通过信息准则选择最优的混合模型  27-28
  3.4 本章小结  28-30
第4章监督情况下的仿真  30-38
  4.1 仿真过程  30-33
  4.2 混淆矩阵  33
  4.3 使用KS方法和累积分布函数进行仿真  33-34
  4.4 使用KL方法和动态直方图进行仿真  34
  4.5 使用KL方法和混合模型进行仿真  34-35
  4.6 本章小结  35-38
第5章非监督情况下的仿真  38-47
  5.1 参数估计方法  38-39
  5.2 使用KS方法和累积分布函数进行仿真  39-40
  5.3 使用KS方法和动态直方图进行仿真  40
  5.4 使用KS方法和混合模型进行仿真  40-41
  5.5 非监督情况下的信息准则  41-44
    5.5.1 非监督情况下使用IC方法进行仿真  41-42
    5.5.2 小样本数量时用于优化的信息准则IC  42-44
    5.5.3 非监督情况下使用IC方法的结论  44
  5.6 本章小结  44-47
第6章实验数据仿真  47-53
第7章 MIMO系统下的仿真  53-60
  7.1 MIMO系统介绍  53-54
  7.2 仿真过程  54-57
  7.3 二维环境下的实验结果  57-60
第8章结论与展望  60-62
  8.1 结论  60
  8.2 展望  60-62
致谢  62-63
参考文献  63-66
附录A 监督情况下三种模型识别方法性能分析  66-73
  A.1 KS+CDF方法  66-67
  A.2 KL+直方图方法  67-72
  A.3 KL+混合模型方法  72-73
附录B 非监督情况下三种模型识别方法性能分析  73-80
  B.1 KS+CDF方法  73-74
  B.2 KL+直方图方法  74-79
  B.3 KL+混合模型方法  79-80
附录C IC方法识别性能分析  80-88
攻读学位期间的研究成果  88

相似论文

多重ANN/HMM混合模型在语音识别中的应用,TN912.34
基于聚类分析的P2P流量识别算法的研究,TP393.02
运用GPCM模型对我校研究生心理测量数据进行分析,G444
一类计数型数量性状的区间定位,O212.7
音频水印的非线性检测器研究,TP309.7
基于时空融合的运动对象视频分割,TP391.41
联合聚类算法研究及应用,TP311.13
基于概率密度的3D模型检索,TP391.41
虚拟手术系统中基于混合模型的切割仿真研究,TP391.41
医学超声图像斑点噪声去除的研究,TP391.41
分布式声源定位与跟踪算法研究,TN912.3
基于导频的MIMO-OFDM系统信道估计技术研究,TN919.3
两类重要多元统计模型的扩展及局部影响分析,O212.4
传感器网络接口及多传感器融合技术研究,TP212.9
基于滑窗小波二叉树的网络异常检测与分析,TP393.08
T-S型RBF神经网络在电解液成分建模中的应用研究,TP183
林木F1代QTL功能作图方法,S722
高斯混合模型及在探测网络社区结构中的应用,TP393.094
盲复原算法在自适应光电图像处理中的应用研究,TP391.41
隐Markov模型在生物信息中的应用及其算法的改进,TP301.6;O211.62