学位论文 > 优秀研究生学位论文题录展示
基于支持向量回归机的盲均衡算法的研究
作 者: 王振朋
导 师: 韩应征
学 校: 太原理工大学
专 业: 信号与信息处理
关键词: 盲均衡 统计学习理论 支持向量回归机 模型选择 小样本
分类号: TN911.5
类 型: 硕士论文
年 份: 2010年
下 载: 78次
引 用: 1次
阅 读: 论文下载
内容摘要
盲均衡技术是一种不借助于训练序列,仅利用接收序列本身的先验信息来均衡信道特性,使其输出序列尽量逼近发送序列的新兴自适应均衡技术。它是通信与信息系统、信号与信息处理、检测理论等学科的一个重要前沿热点研究课题,也是目前数字通信技术中的关键技术之一。盲均衡技术在通信,雷达,声纳,控制工程,地震勘探,生物医学工程等领域均有非常重要的理论意义和实用价值。统计学习理论是一种专门研究小样本情况下机器学习规律的理论,随着其理论的不断发展和成熟,也由于神经网络在理论上缺乏实质性进展,统计学习理论开始受到越来越广泛的重视,它为解决有限样本学习问题提供了一个统一的框架。本文所做的主要工作:(1)研究了盲均衡的基本理论,分析了目前常用的几种盲均衡算法,包括基于Bussgang类的盲均衡算法、基于高阶统计量的盲均衡算法、基于神经网络与模糊理论的盲均衡算法、基于小波变换的盲均衡算法和基于支持向量机的盲均衡算法。(2)综述了支持向量机的基本理论,它是在统计学习理论基础上发展起来的一种新型机器学习方法,支持向量回归机采用了结构风险最小化准则,它既考虑了训练样本的拟合性,又考虑了训练样本的复杂性,具有很好的推广性能。(3)总结了设计支持向量回归机的模型选择方面的进展,并通过一维回归问题的计算机仿真阐述了RBF核函数的优越性以及比较验证了具有最优特性的一组模型参数。模型选择包括核函数的类型,模型正则化参数C,不敏感参数ε等。(4)基于支持向量回归机优良的泛化性能,提出了两种基于支持向量回归机的盲均衡算法,进行了模型的建立和算法形式的推导。经计算机仿真表明,算法收敛快、精度高,降低了剩余ISI,减小了平均模误差,性能优于传统盲均衡算法。
|
全文目录
摘要 3-5 ABSTRACT 5-9 第一章 绪论 9-17 1.1 研究盲均衡技术的意义 9-10 1.2 盲均衡技术的研究现状 10-15 1.2.1 基于Bussgang 类的盲均衡算法 11-12 1.2.2 基于高阶统计量的盲均衡算法 12-13 1.2.3 基于神经网络与模糊理论的盲均衡算法 13-14 1.2.4 基于小波变换的盲均衡算法 14 1.2.5 基于支持向量机的盲均衡算法 14-15 1.3 本论文的结构安排 15-17 第二章 盲均衡技术的数学模型 17-25 2.1 盲均衡的概念 17-18 2.2 盲均衡器的结构 18 2.3 盲均衡的均衡准则 18-23 2.3.1 置零准则 19 2.3.2 峰度准则 19-22 2.3.3 归一化准则 22-23 2.4 盲均衡的性能表征 23-24 2.4.1 收敛速度 23 2.4.2 误码特性 23 2.4.3 稳态均方误差 23-24 2.4.4 跟踪时变信道的能力和抗干扰能力 24 2.5 本章小结 24-25 第三章 支持向量机概述 25-35 3.1 支持向量机基本理论 25-27 3.1.1 统计学习理论与VC 维理论 25-26 3.1.2 推广性的界 26 3.1.3 结构风险最小化原理 26-27 3.1.4 最优超平面 27 3.2 支持向量回归机理论 27-33 3.2.1 损失函数 27-29 3.2.2 线性回归估计 29-32 3.2.3 非线性回归估计 32-33 3.3 本章小结 33-35 第四章 支持向量回归机的模型选择方法 35-45 4.1 核函数的作用及核参数的影响 35-38 4.2 模型参数的影响与选择方法 38-40 4.3 一维回归问题仿真分析 40-42 4.4 本章小结 42-45 第五章 基于SVR 的盲均衡算法 45-61 5.1 基于ε-SVR 的盲均衡系统的模型 45-46 5.2 基于ε-SVR 的盲均衡算法 46-53 5.2.1 基于ε-SVR 的盲均衡算法推导 46-48 5.2.2 利用迭代加权二次规划法求解 48 5.2.3 计算机仿真结果与分析 48-53 5.3 基于ν-SVR 的盲均衡算法 53-59 5.3.1 基于ν-SVR 的盲均衡算法推导 54-56 5.3.2 计算机仿真结果与分析 56-59 5.4 本章小结 59-61 第六章 总结与展望 61-63 6.1 本文所做的工作 61-62 6.2 进一步的研究方向 62 6.3 本章小结 62-63 参考文献 63-67 附录一 67-73 致谢 73-75 攻读学位期间发表的学术论文 75
|
相似论文
- 用于检索的人脸特征提取与匹配算法研究,TP391.41
- 题目难度分布和样本容量对两种CTT等值结果的影响,B841.7
- 贝叶斯方法下二值与多值序次数据模型与异常点的同时识别,O212.1
- 对于系统发育谱法聚类算法的改进,TP311.13
- 随机网络模型分离,O157.5
- 两总体协方差矩阵成比例的检验,O212.1
- 面向并行环境的遥感影像分类算法设计与实现,TP751
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 非汛期水库群协同优化调度与应用研究,TV697.11
- 认知无线电中频谱感知方法的研究,TN925
- 基于神经网络盲均衡优化算法的研究,TN911.7
- 一个基于聚类的神经网络样本自学习系统,TP391.6
- 基于智能算法的碳纤维原丝纺丝工艺监测与优化,TQ342.742
- 全自动荧光磁粉探伤中目标识别图像处理技术研究,TP391.41
- 面向非标准化制造的工时定额研究,F425
- 五种决策树算法的比较研究,TP311.13
- 长寿命产品退化试验方法研究,TB114.3
- 测试性虚拟验证技术及其在直升机航向姿态系统中的应用研究,V249.122.2
- 军用并行仿真想定编辑与生成技术研究与实现,TP391.9
- 脑电样本熵与双频指数评价丙泊酚靶控输注麻醉镇静深度的研究,R614
- 基于多特征结合与支持向量机集成的噪声检测与图像去噪,TP391.41
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信道均衡
© 2012 www.xueweilunwen.com
|