非線性信道模型及其仿真

目錄
第1章緒論

1.1衛(wèi)星信道建模研究

1.1.1信道單狀態(tài)模型

1.1.2信道多狀態(tài)模型

1.1.3Ka波段衛(wèi)星信道統(tǒng)計特性

1.1.4衛(wèi)星信道模擬仿真研究

1.2衛(wèi)星信道均衡研究

1.3本書主要內(nèi)容

參考文獻(xiàn)

第2章衛(wèi)星信道模型建立的理論基礎(chǔ)

2.1衛(wèi)星通信系統(tǒng)的基本組成

2.2衛(wèi)星通信鏈路的基本參數(shù)

2.3衛(wèi)星信道分層傳播特性

2.3.1外層空間

2.3.2散逸層、熱層與中間層

2.3.3平流層與對流層

2.4經(jīng)典的衛(wèi)星信道模型

2.4.1常用的概率分布函數(shù)

2.4.2經(jīng)典的衛(wèi)星信道模型

2.5衛(wèi)星信道的統(tǒng)計特性參數(shù)

2.5.1一階統(tǒng)計特性

2.5.2二階統(tǒng)計特性

2.5.3多普勒功率譜

2.6衛(wèi)星信道模型仿真方法

2.6.1有色高斯噪聲的產(chǎn)生方法

2.6.2多普勒系數(shù)及多普勒頻率的計算方法

2.6.3多普勒相位的計算方法

2.6.4經(jīng)典的信道模型仿真實現(xiàn)方法

參考文獻(xiàn)

第3章衛(wèi)星信道多狀態(tài)Markov鏈模型

3.1衛(wèi)星信道2狀態(tài)Markov鏈模型

3.2衛(wèi)星信道3狀態(tài)Markov鏈模型

3.2.1大氣環(huán)境信道模型

3.2.2地面環(huán)境信道模型

3.2.3衛(wèi)星信道3狀態(tài)Markov鏈模型

3.2.4衛(wèi)星信道3狀態(tài)Markov鏈模型統(tǒng)計特性

3.2.5衛(wèi)星信道3狀態(tài)Markov鏈模型仿真方法

3.3信道5狀態(tài)Markov鏈模型

3.3.1信道5狀態(tài)Markov鏈模型

3.3.2仿真驗證

3.4信道6狀態(tài)Markov鏈模型中斷概率

3.4.1信道6狀態(tài)Markov鏈模型分析

3.4.2仿真驗證

3.5基于主成分分析法和模糊聚類法的衛(wèi)星信道模型

3.5.1衛(wèi)星信道建模關(guān)鍵影響因素分析

3.5.2衛(wèi)星信道的狀態(tài)數(shù)分析

3.5.3衛(wèi)星信道多狀態(tài)Markov鏈模型

3.5.4仿真驗證

參考文獻(xiàn)

第4章基于不同背景下的非線性衛(wèi)星信道模型

4.1非線性衛(wèi)星信道模型

4.1.1行波管放大器模型

4.1.2群時延模型

4.2高斯噪聲背景下非線性衛(wèi)星信道模型與均衡系統(tǒng)

4.2.1非線性衛(wèi)星信道Wiener模型和Hammerstein
模型

4.2.2仿真驗證

4.3α穩(wěn)定分布噪聲背景下非線性衛(wèi)星信道模型與均衡系統(tǒng)

4.3.1α穩(wěn)定分布模型

4.3.2非線性衛(wèi)星信道的自適應(yīng)神經(jīng)模糊推理系統(tǒng)
模型

4.3.3仿真驗證

4.4基于行波管放大器和群時延的非線性衛(wèi)星信道建模算法

4.4.1線性群時延濾波器設(shè)計

4.4.2行波管放大器非線性和群時延的組合效應(yīng)

4.4.3基于信道先驗信息的非線性信道模型

參考文獻(xiàn)

第5章基于多小波和回聲狀態(tài)網(wǎng)絡(luò)的非線性信道盲均衡算法

5.1非線性衛(wèi)星信道Volterra盲均衡系統(tǒng)

5.1.1TWTA的非線性對調(diào)制信號的影響

5.1.2基于非線性濾波器的盲均衡算法

5.1.3Volterra盲均衡算法

5.1.4基于平衡正交多小波雙變換的非線性盲均衡算法

5.1.5仿真驗證

5.2基于多小波神經(jīng)網(wǎng)絡(luò)的非線性盲均衡算法

5.2.1神經(jīng)網(wǎng)絡(luò)模型

5.2.2基于多小波神經(jīng)網(wǎng)絡(luò)的非線性盲均衡算法

5.2.3仿真驗證

5.3基于支持向量機和神經(jīng)網(wǎng)絡(luò)的非線性盲均衡算法

5.3.1支持向量機基礎(chǔ)

5.3.2支持向量機回歸原理

5.3.3基于空間分集支持向量機的多小波神經(jīng)網(wǎng)絡(luò)
盲均衡算法

5.3.4仿真驗證

5.4基于混沌算法優(yōu)化的雙神經(jīng)網(wǎng)絡(luò)盲均衡算法

5.4.1混沌算法基礎(chǔ)

5.4.2混沌優(yōu)化過程

5.4.3基于混沌算法優(yōu)化多小波雙神經(jīng)網(wǎng)絡(luò)的非線性盲
均衡算法

5.4.4仿真驗證

5.5基于Volterra濾波回聲狀態(tài)網(wǎng)絡(luò)結(jié)構(gòu)和PCA
的均衡算法

5.5.1回聲狀態(tài)網(wǎng)絡(luò)

5.5.2平均狀態(tài)熵回聲狀態(tài)網(wǎng)絡(luò)

5.5.3信道均衡原理

5.5.4仿真驗證

參考文獻(xiàn)

第6章非線性Volterra信道盲均衡算法

6.1非線性信道自適應(yīng)均衡算法

6.1.1非線性信道自適應(yīng)均衡模型

6.1.2非線性信道自適應(yīng)均衡算法

6.2基于Volterra均衡器改進(jìn)結(jié)構(gòu)的非線性信道均衡算法

6.2.1非線性信道Volterra均衡器改進(jìn)結(jié)構(gòu)

6.2.2仿真驗證

6.2.3計算復(fù)雜度

6.3基于線性MMSE的非線性信道Turbo盲均衡算法

6.3.1系統(tǒng)描述

6.3.2基于線性MMSE的非線性信道VolterraTurbo
均衡算法

6.3.3基于線性MMSE的迭代盲均衡算法

6.4基于非線性Volterra信道的線性頻域Turbo均衡算法

6.4.1循環(huán)模型中的可用符號

6.4.2頻域非線性Volterra信道模型

6.4.3線性頻域VolterraMMSE均衡器

6.4.4仿真驗證

6.5基于最大相關(guān)熵Volterra濾波器非線性信道均衡穩(wěn)態(tài)
算法

6.5.1算法理論

6.5.2VolterraCMCC算法

6.5.3穩(wěn)態(tài)性能

6.5.4仿真驗證

6.6基于模糊神經(jīng)網(wǎng)絡(luò)控制的復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)多項式Volterra
信道盲均衡算法

6.6.1模糊神經(jīng)網(wǎng)絡(luò)算法

6.6.2復(fù)數(shù)神經(jīng)多項式網(wǎng)絡(luò)算法

6.6.3模糊神經(jīng)網(wǎng)絡(luò)控制的復(fù)數(shù)神經(jīng)多項式Volterra
信道盲均衡算法

6.6.4仿真驗證

參考文獻(xiàn)

第7章衛(wèi)星MIMO信道Markov鏈模型及分子
MIMO信道機器學(xué)習(xí)模型
7.1SISO和MIMO信道增強2狀態(tài)Markov鏈模型

7.1.1改進(jìn)的增強2狀態(tài)Markov鏈模型

7.1.2測試分析

7.2LMSMIMO信道經(jīng)驗隨機Markov鏈模型

7.2.1LMSMIMO信道Markov鏈模型

7.2.2測量設(shè)置

7.2.3模型生成

7.2.4小尺度衰落信道LMSMIMO模型驗證

7.3分子MIMO信道機器學(xué)習(xí)模型

7.3.1系統(tǒng)模型

7.3.2分子MIMO信道模型

7.3.3仿真驗證

參考文獻(xiàn)