毕业答辩ppt模板-中北大学信息商务学院.pptVIP

基于最小二乘支持向量回归机的盲均衡算法探究 学生姓名：XXXXXXXXX 指导教师：XXXXXXXXX 内容提要 1 引 言 2 文献综述 3 4 论文要点 5 6 致谢 论文构思 结论  盲均衡技术作为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，可以有效地克服码间干扰，减小误码率，提高通信质量，是目前飞速发展的数字通信系统中亟待解决的关键技术之一。传统的盲均衡算法如Bussgang类算法和基于高阶累积量的盲均衡算法存在收敛速度慢以及需要大量数据样本等问题，限制了其在实际数字通信系统中的应用。 引言 文献综述 支持向量机以统计学习理论为基础，是解决有限样本学习、非线性估计和模式识别的有效工具。本文将最小二乘支持向量回归机（Least Square Support Vector Regressor，LSSVR）应用到盲均衡算法中，并用核函数将其推演到非线性盲均衡，通过计算机仿真，验证了支持向量机盲均衡算法具有收敛速度快等特点。 考虑基带数字通信系统，发送序列k s 采用独立同分布的二进制序列， k h 表示信道的冲激响应序列， k x 为经过信道传输后的接收序列，同时也是均衡器的输入序列， k e 为信道迭加噪声， k w 为均衡器的冲激响应， k y 为经过均衡后的恢复序列。 论文构思 支持向量机是20世纪90年代由Vapnik等人提出的一种新的学习机，由于具有优越的学习能力，已成为智能技术领域的研究热点。标准支持向量机的训练一般是一个非线性规划中的凸规划问题，其对偶问题是一个二次规划问题，在实际应用中，遇到规模很大的数据集，已有的二次规划解法需要对Hessian阵运算，在内存容量和计算时间上都会遇到困难，为了提高SVM的计算速度，Suykens等人提出了最小二乘支持向量机，这是一种基于结构风险最小化原理的回归方法，具有泛化能力强和存在全局唯一最优解等特点。 论文要点 结论 本文在分析标准支持向量回归算法和最小二乘回归算法的基础上，研究了基于 LSSVR的盲均衡算法，建立了回归模型，进行了理论推导，并在典型电话信道进行了计算机仿真，结果证明了提出的方法不仅具有优良的性能，而且所需样本较少，能在较小样本下迅速收敛，从而适合于在短时突发通信中的应用。然而在实际的盲均衡中，影响预测结果的可调参数比较少，可以尝试采用遗传算法等方法对进一步进行参数优化，这些都是以后的一个研究方向。 谢谢各位专家！ 致谢 * *