支持向量机在CDMA移动通信信号处理中的应用研究.pdfVIP

支持向量机在CDMA移动通信信号处理中的应用研究 摘要 大的系统容量、更低的终端功耗及更好的用户保密性等等，然而这些优势的获取是以复杂的信号处 理方案以及完备的链路功率控制为代价的。本文以支持向量机(SVM)作为信号处理工具，以功 ． 又相互独立的问题为研究对象，根据各自问题中干扰的类型及信号特征，建立了基于学习的干扰抑 制模型和信号处理算法。 论文首先就CDMA技术的优点及存在问题作了简要介绍，接着讨论了SVM的学习算法及性 能优势，在此基础上提出了基于SVM学习的干扰抑制思路，结合此思路在以下几个方面展开了研 究：一、如何利用SVM的小样本训练来有效获取功率调节步长大小的模型，从而使基站端对上行 链路功率调节步长大小具有预测功能，以减轻和降低基站端通过频繁实施Bang-Bang控制带来的计 算负担及控制误差；二、常规的DOA估计通常涉及到实时矩阵分解；且估计的角度偏差大小与入 射信号特征及信道条件关系密切，如何设计一个自适应的SVM训练方案，以便有效提高DOA估 计的准确率；三、SVM是基于分类问题而产生的，如何结合码片结构及SVM训练中的核函数特性 来构造多用户检测模型，从而利用训练模型而非实时信号处理算法来进行用户区分，以获得更好的 检测性能。 围绕以上几方面的问题，论文首先回顾了基于CDMA的3G技术的发展背景和相关核心技术 的研究现状，同时对SVM发展的概况及算法的性能特点作了全面的阐述：接着在第二章详细给出 了SVM的几种主要算法的原理分析及性能比较，并就其目前在CDMA通信信号处理中的应用情 况作了简要分析：第三、四、五章分别给出了基于SVM的功率控制、DOA估计及MUD的信号模 型和算法。第六章对全文进行了总结，并对未来的发展趋势作了展望。 论文的创新成果主要包括： 于调节步长的SVM训练及移动端的实际调节步长算法。在基站端，首先通过天线阵元的信号采样、 采样协方差矩阵分解及平均信干比(SIR)估计，从而得到功率调节步长的SVM训练集。其次， 功率调节步长大小根据测试样本在训练机中的几何位置进行平均估算。在移动端，通过一线性二次 ．I． 型(U3)的状态方程迭代得到实际调节步长的大小。仿真结果表明：基于此模型的功率控制算法， 在收敛速度、平均功率输出量大小及终端计算量等主要技术指标上都优于固定步长功率控制 (FsPC)算法。由于基站端的训练模型能对发射功率步长大小进行预测，故大大减小了测量及发 送功率调节命令的次数，实时性较好。 多用户DOA的训练结构，以基于最小平方(LS)的1叫一1训练算法作为基本的两用户训练模型， 避免了标准SVM算法中繁琐的二次寻优过程，并就训练过程中径向基(RBF)核函数和多项式核 函数的宽度系数、偏差常数及训练复杂度系数与训练性能的关系进行了分析和讨论。通过与常规的 杂度上均有较好的表现。 3)分别提出了结合码片结构和核的自适应为特征的SVM．MUD及以相关向量机(R：州)为核 心的RVM-MUD两类算法。第一类算法以常规的片率采样为基础，在基于核函数的SVM训练过程 中引入了自适应机制。此类算法包括：基于竞争学习(CL)的SVM．MUD算法、采用核函数的 MUD算法及基于片率增量的MUD算法。CL算法通过引入簇分裂和目标方向渐进迭代更新策略。 使得受到较强干扰的用户降低了错误判决的概率，同时通过启发思路简化了训练过程，提高了训练 效率；基于核的MDU算法中，支持向量(Sv)是采用一种稀疏核逼近方法获取的，而其对应系数 则由输入采样协方差矩阵的广义特征值构成；片率增量算法则借鉴了SVM增量学习的思路，利用 离散扩频码片特性，将符号的检测分解为码片检测的综合，从而构成了一种近似并行的在线训练算 法；以RVM为基础的第二类算法在训练原理上有别于上述各算法，通过对输出SV的系数形成概 率而非确定性的计算输出，使训练机的泛化能力大大增强。以上各检测算法虽然侧重点不同，训练 模型有别，但在中等规模应用场合较之常规的MMSE检测算法，不论是检测准确率还是计算复杂 度上都有明显的改善。 关键词：码分多址，支持向量机，功率控制，波达方向估计，多用户检测 ．U． AP