基于SVM的智能天線算法研究.pdf

1、智能天線技術(shù)作為TD-SCDMA通信系統(tǒng)的關(guān)鍵技術(shù)之一，是當前通信技術(shù)領(lǐng)域的研究熱點。智能天線可以通過波束形成達到抑制干擾信號從而提高輸出信干噪比和通信系統(tǒng)容量的目的。因此，研究智能天線算法具有重要的意義和實用價值。
　　 支持向量機(SVM)是機器學習領(lǐng)域的最新研究成果，它僅需要少量樣本就可以對同一分布的測試樣本具有較好的泛化能力，而且具有處理高維、非線性數(shù)據(jù)和全局收斂等優(yōu)點。支持向量機已被廣泛地應用到各個研究領(lǐng)域，也成為處理

2、無線通信信號的一種新方法。本文以支持向量機作為信號處理工具，將其運用到智能天線算法的研究。論文的主要工作及創(chuàng)新包括：
　　 1.概述了智能天線的基本原理和經(jīng)典的波束形成和DOA估計的算法。介紹了統(tǒng)計學習理論和支持向量機的基本原理，主要包括VC維與推廣的界、損失函數(shù)與結(jié)構(gòu)風險以及支持向量機。通過計算機仿真，在平面二維數(shù)據(jù)中展示了支持向量機優(yōu)異的分類性能和支持向量回歸機的擬合性能。
　　 2.將支持向量機推廣到可以處理復信號

3、的復平面，為支持向量機應用于智能天線的波束形成以及DOA估計做好鋪墊。將波束形成器的最優(yōu)權(quán)值求解問題成功轉(zhuǎn)化為支持向量機處理近似線性分類的問題來求解，建立了基于LSVM和NSVM兩種支持向量機的波束形成器并進行仿真分析，仿真結(jié)果表明，與傳統(tǒng)算法相比，基于LSVM和NSVM運用于波束形成算法收斂速度更快，輸出信干噪比更高，特別是在過載的情況下表現(xiàn)出比傳統(tǒng)算法更優(yōu)越的性能。基于NSVM比基于LSVM的賦形效果更好，但是復雜度稍高。
　

4、　 3.通過使用SVM求解AR模型的系數(shù)，得到信號模型的方向譜，調(diào)整參數(shù)可以得到理想的DOA估計譜圖。采用支持向量回歸機對各個角度的接收信號進行訓練，得到關(guān)于輸入信號與輸出角度的擬合函數(shù)。仿真表明，該方法在[-70°，70°]的范圍內(nèi)可達到理想的效果。
　　 4.提出了基于PSVM-DDAG的DOA估計算法。它是以決策導向無環(huán)圖(DDAG)為多用戶DOA的訓練結(jié)構(gòu)和以PSVM算法作為節(jié)點的訓練模型，避免了標準SVM算法中繁瑣的