基于神经网络的时变无线信道仿真
刘留1
李慧婷2
张嘉驰2
李一倩2
周涛2
1.北京交通大学 电子信息工程学院,北京 100044;中国科学院计算技术研究所 移动计算与新型终端北京市重点实验室,北京 1001902.北京交通大学 电子信息工程学院,北京 100044
摘要：提高频谱利用率、实现超大容量传输的前提是精准掌握无线信道特性信息.研究了反馈神经网络(Back Propagation Neural Network,BPNN)在无线信道多普勒功率谱仿真中的应用.利用大量样本训练BPNN实现对时变信道进行预测.仿真结果表明,与传统方法对比,BPNN的仿真效果更接近理论值,误差更小,具备很好的容错性,同时模型输出结果的频域呈U型谱,时域自相关函数满足第一类贝塞尔函数,很好地符合Jakes模型的时频域条件.对3种方法的时间复杂度进行比较,结果表明BPNN的时间复杂度最高,牺牲了时间复杂度但换取了高精度和低误差.对3种误差逆向传播算法的仿真结果进行对比,发现列文伯格-马夸尔特(Levenberg-Marquardt,L-M)算法训练BPNN的均方误差最低,效果最佳.
关键词：无线通信反馈神经网络多普勒效应时变信道正弦波叠加法成型滤波法
分类号：U285(铁路通信、信号)
资助基金：北京市自然科学基金(L172030)
论文发表日期：2020-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 74-82 )
英文信息