现代无线通信系统盲处理技术新进展：基于智能算法
作者：阮秀凯 著
出版时间：2015年版
内容简介
无线通信技术的发展将致使信道具有快速时变特性的场合增多、小数据量通信的场合增多、调制方式的多样化和星座密集化等，这些都必然对信号盲处理技术提出了更为严格的技术要求。本书围绕现代无线通信领域的重要研究课题——盲处理技术展开，全面介绍误差反馈、多智能体、支持向量机、Hopfield神经网络、泛函网络等智能算法在无线通信系统盲处理技术中的应用成果新进展。
阮秀凯、刘莉、张耀举、戴瑜兴编著的这本《现代无线通信系统盲处理技术新进展(基于智能算法)》第1章简要介绍无线通信系统的结构和发展概况及其盲处理算法的相关知识。第2章介绍人工神经网络和相应的知识，从误差反馈神经网络着手研究盲处理问题，并给出复数域误差反馈神经网络的信号盲处理方法和该类方法的优缺点说明。第3章介绍智能体的概念，并给出基于多智能体系统的盲处理方法。第4章介绍基于支持向量机框架下的盲处理算法，给出支持向量机的原理，展示基于￡一支持向量回归机的信道估计新方法，并介绍基于支持向量回归方法的盲信号处理方法。第5章至第7章介绍神经动力学和Hopfield神经网络的相关知识，从神经动力学角度论述连续Hopfield神经网络可有效工作的原因，介绍Hopfield神经网络权值矩阵对吸引子和相轨迹的影响，分别介绍如何基于连续多阈值神经元Hopfield网络模型实现通信信号盲处理的理论和方法、采用幅相连续激励法解决稀疏信号的盲检测思路，以及用同相正交振幅连续激励法解决密集星座信号的盲检测方法。第8章给出基于多输入多输出泛函网络框架下信号处理方法的思路，并给出网络结构设计、网络状态更新原则等，分析和讨论该方法的优缺点及其未来的改进思路。
本书可以为通信信息系统、信息与信号处理等工程领域的研究者了解研究现状、开展研究工作打下基础，也可为该领域的工程开发人员提供前沿技术的引导和帮助。
目 录
第1章 无线通信系统和盲处理方法
1.1 无线通信系统
1.1.1 无线通信的溯源和近况
1.1.2 无线通信系统的若干部分
1.1.3 无线通信系统申的信号盲处理
1.2 基于智能算法的信号盲处理技术发展现状
本章小结
本章参考文献
第2章 基于BP神经网络盲均衡方法
2.1 人工神经网络概述
2.1.1 人工神经网络的神经元模型
2.1.2 人工神经网络的特点
2.1.3 人工神经网络的连接模型
2.1.4 人工神经网络的学习规则
2.2 BP神经网络概述
2.3 BP算法原理
2.4 BP算法的缺陷和已有改进方法
2.5 基于BP复数神经网络的信号盲处理
2.5.1 代价函数
2.5.2 激励函数
2.5.3 权值设计
本章小结
本章参考文献
第3章 基于多智能体系统的盲均衡方法
3.1 多智能体系统
3.1.1 多智能体特性及其发展
3.1.2 多智能体系统的构造
3.1.3 MIMO系统的盲均衡模型
3.2 基于微粒子多智能体系统的盲均衡算法
3.2.1 微粒群算法原理及理论发展
3.2.2 用于MIMO系统盲均衡的微粒子多智能体系统
3.2.3 PSO算法应用前景
3.3 基于蚁群多智能体系统的盲均衡算法
3.3.1 蚁群智能体及其算法理论发展
3.3.2 用于MIMO系统盲均衡的蚁群多智能体系统
3.3.3 ACO算法应用前景
3.4 基于免疫多智能体系统的盲均衡算法
3.4.1 人工免疫系统算法及其理论发展
3.4.2 用于MIMO系统盲均衡的免疫多智能体系统
3.4.3 AIS算法应用前景
3.5 仿真算例
3.5.1 3种多智能体系统算法的参数分析
3.5.2 MIMO系统QPSK信号盲恢复
3.5.3 性能分析
3.5.4 3种多智能体系统的算法比较
本章小结
本章参考文献
第4章 基于支持向量机的信道估计和盲均衡方法
4.1 支持向量机的特点
4.2 支持向量机基本原理概述
4.2.1 学习问题
4.2.2 VC维和结构风险最小化原则
4.2.3 特征空间和核函数
4.2.4 支持向量分类
4.2.5 支持向量回归
4.3 基于ε-支持向量回归机的信道估计新方法
4.3.1 基于训练序列的信道估计建模
4.3.2 基于ε-支持向量回归机的信道估计
4.4 基于支持向量回归的MPSK信号盲检测
4.5 基于支持向量回归的QAM信号盲检测
4.6 基于星座匹配误差的支持向量机盲均衡算法
4.6.1 星座匹配误差算法概要
4.6.2 结合星座匹配算法的支持向量回归盲检测方法
4.6.3 代价函数的迭代解法
4.7 仿真算例
4.7.1 基于ε-支持向量回归机的信道估计试验
4.7.2 基于支持向量回归的MPSK盲均衡试验
4.7.3 基于星座匹配误差的支持向量回归QAM盲均衡算法试验
本章小结
本章参考文献
第5章 Hopfield反馈神经网络概述及其盲检测优化问题构建
5.1 神经动力学
5.2 Hopfield神经网络概述
5.3 连续Hopfield神经网络基本原理概述
5.3.1 连续Hopfield神经元模型
5.3.2 连续Hopfield神经网络在优化计算中的说明
5.4 系统模型和信号盲检测优化问题构建
5.5 权阵配置
5.6 连续Hopfield神经网络盲检测算法的起始阶段变化规律
本章小结
本章参考文献
第6章 基于幅相激励的连续多阈值神经元Hopfield网络的信号盲检测
6.1 MPSK与QAM信号说明
6.2 优化函数和HNNCMVN结构
6.3 基于幅相联合激励法的激励函数设计
6.3.1 MPSK信号盲检测的连续相位多阈值激励函数
6.3.2 MPSK信号盲检测的连续相位多阈值EXP激励函数设计
6.3.3 MPSK信号盲检测的连续相位多阈值SIN激励函数设计
6.3.4 MPSK信号盲检测的连续相位多阈值激励函数与传统二节激励函数的对比
6.3.5 QAM信号盲检测的连续幅度多阈值和相位多阈值激励函数设计
6.4 能量函数设计与证明和平衡条件
6.5 信号统计信息缺失的盲处理能力
6.6 仿真实验与分析
本章小结
本章参考文献
第7章 基于同相正交振幅激励的连续多阈值神经元Hopfield网络的密集QAW信号盲检测
7.1 密集QAM信号
7.2 连续振幅多阈值神经元复值激励函数
7.2.1 连续振幅多阈值SIN激励函数的设计
7.2.2 激励函数的逆函数积分和
7.2.3 激励函数的拐点、引点和斥点
7.2.4 激励函数的临界斜率
7.2.5 激励函数的临界斜率与衰减因子β的关系
7.2.6 从激励函数角度的放大因子范围确定
7.3 能量函数的设计和讨论
7.4 HNNCMVN盲处理方法具有高阶激励函数可激励低阶信号的能力
7.4.1 信号点“散布”
7.4.2 星座判决引导函数的设计
7.5 长接收序列情况处理
7.6 仿真实验与分析
本章小结
本章参考文献
第8章 基于泛函网络的信号盲处理方法
8.1 泛函网络概述
8.1.1 泛函网络的特点
8.1.2 泛函网络的结构
8.2 基于FN的信号直接盲检测的方法
8.2.1 用于信号盲检测的MIMO泛函网络设计
8.2.2 系统模型及其优化问题构建
8.2.3 神经函数口设计
8.2.4 神经函数的参数学习策略设计
8.3 仿真算例
8.3.1 FN盲处理算法仿真
8.3.2 正确检测率与数据量的关系
8.3.3 随机信道情况下不同学习率的算法性能
本章小结
本章参考文献
