【摘 要】
：
由于近年来我国对海洋探索的不断深入,水声通信技术受到广泛关注。而水声信道的通信环境十分恶劣,其中,多径效应导致水声信道中声信号衰减和失真严重。为了克服这类信道问题,通常会在接收端使用均衡器对信道特性进行补偿,以消除信道引起的影响,即信道均衡技术。本文提出了一种基于启发式神经网络的水声信道均衡算法,该算法利用神经网络的非线性和启发式算法的优化能力,其通信质量相较于传统均衡算法有着明显的提升。首先,针
论文部分内容阅读
由于近年来我国对海洋探索的不断深入,水声通信技术受到广泛关注。而水声信道的通信环境十分恶劣,其中,多径效应导致水声信道中声信号衰减和失真严重。为了克服这类信道问题,通常会在接收端使用均衡器对信道特性进行补偿,以消除信道引起的影响,即信道均衡技术。本文提出了一种基于启发式神经网络的水声信道均衡算法,该算法利用神经网络的非线性和启发式算法的优化能力,其通信质量相较于传统均衡算法有着明显的提升。首先,针对复杂多变的水声信道,本研究深入分析了水声信道的传播损失、背景噪声、多径效应等物理特性,并对最小均方算法（Least Mean Square,LMS）和递归最小二乘法（Recursive Least Square,RLS）在水声信道中进行了理论研究与实验仿真分析。实验证明,传统线性均衡器在水声信道中的均衡效果不能满足通信要求。其次,本文分析了固定时延神经网络（Focused Time-delay Neural Network,FTDNN）和具有外源输入的非线性自回归神经网络（Nonlinear Autoregressive Network with Exogenous inputs,NARX）两种动态神经网络模型在水声信道均衡中的应用。与传统的线性均衡器相比,利用神经网络实现的均衡器的误码率更低,动态神经网络极强的近似拟合能力能在记忆信道及各种非线性信道的信道均衡中发挥重要作用。仿真结果得出NARX的收敛精度高于FTDNN,均衡效果更好。最后,针对神经网络容易得到局部极小点、训练速度慢等问题,本文引入启发式算法加快神经网络训练速度并提高解决方案的质量,由此提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进的共生生物搜索算法（简称NARX-n SOS算法）实现水声信道均衡。该算法在非线性自回归神经网络均衡器的基础上,用共生生物搜索算法（Symbiotic Organisms Search,SOS）来进行优化。并且为了保持探索和开发能力之间的平衡,对SOS三个阶段进行了修改,还加入了准对立学习（Quasi-Oppositional Based Learning,QOBL）和混沌局部搜索（Chaotic Local Search,CLS）来避免SOS算法的早期收敛问题。本文对NARXn SOS算法的性能在水声信道中进行了仿真实验,结果验证NARX-n SOS算法具有更优的收敛能力和均衡效果,证明了启发式神经网络在水声信道均衡领域的可行性。
其他文献
低温电子浆料（ECA）由于导电性能较好、线分辨率高、力学性能优良等优点,在芯片封装和连接、先进印刷技术及柔性可穿戴技术等微电子领域得到应用。尤其是柔性电子行业对浆料的需求提升,对导电浆料的导电性和机械性能提出了更高的要求。但是,目前低温电子浆料中银粉导电相含量较高,而其导电性比高温导电浆料差,使用量大,成本高昂,难以满足柔性电子行业的新要求。因此,提高性能、降低成本是当前ECA发展需要解决的关键问
无人机集群是由多架无人机组成的系统,通过特定控制策略实现协同作业,在勘察、监视、救援等多领域得到了广泛的应用。受复杂环境的影响,集群中的节点会因自身故障或外界干扰,部分节点可能呈现出失效现象,造成网络传输链路发生故障,网络拓扑结构随之受损,导致集群无法正常工作。因此,无人机集群需要具备自适应网络恢复的能力,以在部分无人机节点失效的情况下及时恢复集群网络通信。本文对节点失效情况下无人机集群网络的自适
弹目交会过程中的相关参数是评估武器性能的重要数据支撑,传统的弹目交会测量方法无法兼顾设备灵活性、参数可视化的要求,测量存在局限性。在目前已研究的弹目交会测量方法的基础上,对双目立体视觉原理及面阵CCD在弹目交会测量系统中的具体应用进行研究,从而得到更具优势的测量方法。本文主要研究内容如下:1)建立基于双目视觉的弹目交会测试模型,基于双目视觉测量原理及基本布站方式推导本文弹目交会测量系统的误差传递函
在新型武器的研发测试中,弹丸爆炸时炸点位置测试的精准度是衡量武器装备性能的重要指标。目前,军事靶场中进行弹丸炸点位置测试时常采用光电探测、高速摄像或雷达探测等方法,但这些方法存在系统复杂、探测范围受限及成本过高等缺点,并且系统自身容易受到光照和电磁波等环境干扰。同时弹丸爆炸位置具有很强的不确定性和随机性,加剧了弹丸爆炸位置测试的困难程度。因此,本文提出了一种基于多声阵列的弹丸炸点空间位置测试方法,
结构光三维重建利用光学编码技术获取被测物体的三维数据,具有成本低、结构简单、精度高等优点。因此,该技术被广泛应用于逆向工程、文物修复、人脸识别等领域,具有重要的理论意义和研究价值。然而,传统的空间结构光编码方法在高分辨率测量方面存在局限,需要寻求更加高效的测量方式。另外,时间编码结构光测量方法虽然可以实现高精度测量,但不适用于动态场景的三维测量需求。为解决这些问题,本文提出了基于时间编码和空间编码
自动驾驶车辆可以通过传感器感知周围障碍物的位置并识别出类别信息,根据这些信息做出相应的决策,从而安全和顺畅地行驶。调频连续波激光雷达由于其探测灵敏度高、距离分辨力高、不存在距离盲区、抗干扰能力强等优点,成为了最具潜力的自动驾驶系统高质量三维点云图像传感器。但是由于调频连续波激光雷达获取的三维点云冗余数据多、数据量大导致目标识别的实时性差,以及不同目标之间的相互遮挡造成目标识别难度大。针对以上问题,
地震灾害是人类生存中最危险的自然灾害之一,而建筑物作为灾害损毁的重要承载体和人类生存状态表征,及时获取其信息对灾后的救援和重建具有十分重要的实际意义。在建筑物震害信息提取过程中,传统的人工设计方法存在提取震害特征单一,精度较低等问题,而基于深度学习理论的方法能够从少量的预处理或未经处理的震害影像数据中学习到较高级的震害特征表达,为震害影像检测提供了新的技术思路。因此,本文采用深度学习方法完成建筑物
贝叶斯网络（Bayesian Network,BN）是一种图论与概率统计相联结的建模工具,目前已经被广泛地应用在机器学习、数据挖掘以及目标识别等领域。在BN学习中,结构学习是参数学习和推理的基础,因此也是BN研究的重点和难点。在贝叶斯网络结构学习中,依据搜索空间的不同可分为网络结构空间和节点序空间下的搜索算法。与网络空间下的搜索算法相比,基于节点序的搜索算法的搜索空间更小,所以其搜索效率更高。然而
无线通信技术突飞猛进,应用越来越广泛。然而,无线信道传输的信息容易受到干扰或者被截获,从而造成安全隐患。隐蔽通信是力图将通信信号隐藏起来,让敌对方很难感知到通信信号。隐蔽通信通常有两种方式:低截获概率（Low Probability of Intercept,LPI）和低检测概率（Low Probability of Detection,LPD）,其中LPD是比较常用的技术,其主要实现方式是采用直
随着现代移动通信技术的飞速发展,人们对其流量要求也越来越高。可见光通信（Visible Light Communication,VLC）不仅具有丰富的频谱资源,还可在进行照明的同时传送信息,同正交频分复用技术（Orthogonal Frequency Division Multiplexing,OFDM）组合可显著改善系统通信特性,但是存在噪声频偏干扰和较高的峰均比等问题,从而降低系统性能。为此,