×
尹惠萍;任海鹏

混沌基带无线通信系统中基于GA-SVM的直接符号解码。 （英语） Zbl 1485.94028号

J.富兰克林研究所。 358，第12号，6348-6367（2021）.
摘要：从严重失真的接收信号中提取信息是通信信号处理的关键挑战。混沌基带通信理论上有望消除符号间干扰（ISI），但如果不是不可能的话，它需要复杂的计算。针对混沌基带无线通信系统（CBWCS），提出了一种基于遗传算法支持向量机（GA-SVM）的符号检测方法，通过GA-SVM模型将符号解码过程转换为二进制分类，从不同的角度处理该问题。使用训练好的GA-SVM模型直接在接收机上对符号进行解码，以提高误码率与传统方法中使用计算出的阈值解码符号相比，CBWCS的性能和简化了符号检测过程，消除了信道识别和阈值计算过程。仿真结果表明，该方法在静态和时变无线信道中均具有较好的误码率性能。基于无线开放接入研究平台的实验结果表明，在实际无线多径信道下，基于GA-SVM的符号检测方法的误码率优于其他同类方法。

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
94A05型 传播学理论

关键词：

信息检索;遗传算法支持向量机;符号检测方法

软件：

服务器;伦敦银行支持向量机;PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{H.-P.Yin}和textit{H.-P.Ren}，J.Franklin Inst.358，No.12，6348--6367（2021；Zbl 1485.94028）
全文： 内政部 arXiv公司

参考文献：

[1] Sklar，B.，《数字通信：基础与应用》（2006），电子工业出版社·Zbl 0717.94002号
[2] Yao，J.L。；李，C。；Ren，H.P。；Grebogi，C.，《抗多径效应的基于混沌的无线通信》，Phys。版本E，96，3，032226（2017）
[3] Ren，H.P。；尹，H.P。；Bai，C。；Yao，J.L.，使用回声状态网络改善混沌基带无线通信的性能，IEEE Trans。社区。，68, 10, 6525-6536 (2020)
[4] 尹，H.P。；Bai，C。；Ren，H.P.，混沌基带无线通信中基于回波状态网络的符号检测，arXiv预印本arXiv:2103.08159（2021）
[5] Yao，J.L。；孙义忠。；Ren，H.P。；Grebogi，C.，《使用混沌基带波形的实验无线通信》，IEEE Trans。车辆。技术。，68, 1, 578-591 (2019)
[6] Williams，C.，《无线信道上的混沌通信》，IEEE Trans。电路系统。一、 48、12、1394-1404（2001）
[7] Bollt，E.M.，《符号动力学反馈控制混沌通信综述》，《国际分岔混沌》，13，02，269-285（2003）·Zbl 1064.94002号
[8] 陈，P.P。；方，Y。；Su，K.X。；Chen，G.R.，基于电容逼近混沌的多址传输系统设计，IEEE Trans。车辆。技术。，6610806-10816（2017）
[9] Bai，C。；Ren，H.P。；Kolumbán，G.，使用混沌形状滤波器的双子流多进制差分混沌键控无线通信系统，IEEE Trans。电路系统。I-Regul公司。爸爸。，67, 10, 3574-3587 (2020) ·Zbl 1468.94384号
[10] 海耶斯，S。；格雷博吉，C。；Ott，E.，《与混乱沟通》，Phys。修订稿。，70, 20, 3031-3034 (1993)
[11] 小罗莎·E。；海耶斯，S。；Grebogi，C.，《与混沌通信中的噪声滤波》，Phys。修订稿。，78, 7, 1247-1250 (1997)
[12] 新泽西州科隆。；Hahs，D.W.，《使用混沌信号进行通信的新方法》，IEEE Trans。电路系统。一、 44、5、373-382（1997）·Zbl 0902.94003号
[13] Argyris，A。；Syvridis，D。；较大，L。；Annovazzi Lodi，V.公司。；科尔特，P。；费舍尔，I。；Garcia Ojalvo，J。；米拉索，C.R。；佩斯克拉，L。；Shore，K.A.，《使用商业光纤链路的高比特率混沌通信》，《自然》，438，7066，343-346（2005）
[14] Ren，H.P。；Baptista，M.S。；Grebogi，C.，《混沌无线通信》，Phys。修订稿。，110, 18, 184101 (2013)
[15] 新泽西州科隆。；Blakely，J.N。；Stahl，M.T.，《混沌的匹配滤波器》，《混沌》，20，2，023123（2010）·Zbl 1311.37002号
[16] 新泽西州科隆。；Blakely，J.N.，最佳通信波形中的混沌，Proc。R.Soc.A数学。物理。工程科学。，471, 2180, 20150222 (2015) ·Zbl 1371.94009号
[17] Er，M.J。；Zhou，Y.，机器学习的理论和新颖应用（2009），美国银行图书点播
[18] 徐，J。；宋立清。；Xu，J.Y。；波蒂，G.J。；Van der Schaar，M.，《使用无线可穿戴传感器进行活动分类的个性化主动学习》，IEEE J.Sel。顶部。信号处理。，10, 5, 865-876 (2016)
[19] 陈，X。；科普萨夫托普洛斯，F。；吴琼。；Ren，H。；Chang，F.K.，通过改进的特征选择方法和机器学习方法识别自感知机翼的飞行状态，传感器，18，5，1379（2018）
[20] Hosseinyalamdary，S.，深度卡尔曼滤波器：同步多传感器集成和建模；GNSS/IMU案例研究，传感器，18，51316（2018）
[21] 吴，W。；高，B。；布瑞丹，A。；Ling，B。；Chin，C.，利用最大化最小化算法和时频反卷积进行单耳声源分离的无监督学习，Sensors，18，5，1371（2018）
[22] Yang，G.C。；杨，J。；Sheng，W.H。；小F。；Li，S.，基于卷积神经网络的智能家居社交机器人摄像头下尴尬情境检测，Sensors，18，5，1530（2018）
[23] 库蒂尼奥，M。；de Oliveira Albuquerque，R。；博尔赫斯，F。；加西亚·维拉尔巴，L。；Kim，T.H.，《学习完全安全的密码学以保护对抗性神经密码学的通信》，传感器，18，51306（2018）
[24] 江春霞。；张海杰。；任，Y。；韩，Z。；Chen，K.C。；Hanzo，L.，《下一代无线网络的机器学习范式》，IEEE Wirel。社区。，24, 2, 98-105 (2016)
[25] Nguyen，T.T。；Armitage，G.J.，《使用机器学习的互联网流量分类技术调查》，IEEE Commun。Surv公司。导师。，10, 1-4, 56-76 (2008)
[26] 毕，S.Z。；张，R。；丁，Z。；Cui，S.G.，《大数据时代的无线通信》，IEEE Commun。Mag.，53，10，190-199（2015）
[27] Guenther，N。；Schonlau，M.，支持向量机，Stata J.，16，4，917-937（2016）
[28] B.加达。；Naoum Sawaya，J.，《使用支持向量机进行高维数据分类和特征选择》，欧洲期刊Oper。第265、3、993-1004号决议（2018年）·Zbl 1381.62170号
[29] 马，Y.Q。；Guo，G.D.，《支持向量机应用》（2014），施普林格国际出版公司
[30] 丹尼尔斯，R.C。；Heath，R.W.，《无线网络链路自适应在线学习框架》，Proc。2009年信息理论应用。ITA研讨会，138-140（2009年）
[31] Yun，S。；Caramanis，C.，MIMO-OFDM无线系统中自适应的多类支持向量机，Proc。2009年第47年。阿勒顿会议通讯社。，控制，计算。，Allerton，1145-1152（2009）
[32] Rico Alvarino，A。；Heath，R.W.，有限反馈多用户MIMO-OFDM基于学习的自适应传输，IEEE Trans。Wirel公司。社区。，13, 7, 3806-3820 (2014)
[33] 冯，C。；Liao，S.Z.，具有次线性训练时间复杂性的可伸缩高斯核支持向量机，信息科学。，418, 480-494 (2017) ·Zbl 1436.68299号
[34] 袁永乐。；张，M。；罗，P.F。；加塞姆洛伊，Z。；郎朗。；Wang，D.S。；张，B。；Han，D.H.，可见光通信中基于SVM的检测，Optik，151，55-64（2017）
[35] Ben Hur，A。；Weston，J.，支持向量机的用户指南，生命科学数据挖掘技术，223-239（2010），Springer
[36] Chang，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。，2, 3, 27 (2011)
[37] Ren，H.P。；Bai，C。；Grebogi，C.，《无线通信中的混沌成形滤波器和相应的匹配滤波器》，电子系统非线性动力学进展一章（2019年），世界科学出版社
[38] H.P.Ren、H.P.Yin、H.E.Zhao、C.Bai、C.Grebogi，人工智能增强混沌基带无线通信的性能，IET Commun。（2021）1-13，doi:10.1049/cmu2.12162。
[39] Bishop，C.M.，模式识别和机器学习（2006），Springer-Verlag New York，Inc·Zbl 1107.68072号
[40] 王立新。；Ren，Y.J。；Zhang，R.H.，基于支持向量机的数字调制识别算法，Proc。2009年国际会议机。《学习控制论》，2980-983（2009）
[41] Wang，C.Z。；胡庆华。；Wang，X.Z。；Chen，D.G。；钱永华，基于邻域判别指数的特征选择，IEEE Trans。神经网络。学习。系统。，2986-2999年7月29日（2018年）
[42] 李，L。；Wang，C.Y。；李伟（Li，W.）。；Chen，J.B.，AdaBoost加权复合核极限学习机的高光谱图像分类，神经计算，2751725-1733（2018）
[43] Chun，S。；黄，I。；儿子，W。；Chang，J.H。；Park，W.，《触觉的识别、分类和预测》，纳米尺度，10，22，10545-10553（2018）
[44] Bulgarevich，D.S。；筑本，S。；Kasuya，T。；Demura，M。；Watanabe，M.，《利用机器学习对典型冶金微观结构的光学显微镜图像进行模式识别》，科学代表，8，1，1-8（2018）
[45] Ruan，J.H。；姜浩。；李晓云。；Shi，Y。；陈，F.T。；Rao，W.，《农业计算机物理系统中大数据的粒度GA-SVM预测器》，IEEE Trans。Ind.通知。，15, 12, 6510-6521 (2019)
[46] 郭永清。；贾晓平。；Paull，D.，基于SVM的多时间遥感图像分类的有效序列分类器训练，IEEE Trans。图像处理。，27, 6, 3036-3048 (2018) ·Zbl 1409.94203号
[47] Meinilä，J。；Kyösti，P。；Jämsä，T。；Hentilä，L.，Winner II频道模型，IMT-Advanced的无线电技术和概念，39-92。(2009)
[48] 霍夫曼，T。；Schölkopf，B。；Smola，A.J.，机器学习中的内核方法，Ann.Stat.，36，3，1171-1220（2008）·Zbl 1151.30007号
[49] Huang，C.L。；Wang，C.J.，基于遗传算法的支持向量机特征选择和参数优化，专家系统。申请。，31, 2, 231-240 (2006)
[50] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe Taylor，J.，《支持向量机和其他基于内核的学习方法简介》（2000），剑桥大学出版社
[51] 安吉塔，D。；A.博尼。；Ridela，S.，《支持向量机的数字架构：理论、算法和FPGA实现》，IEEE Trans。神经网络。，14, 5, 993-1009 (2003)
[52] 潘，X.P。；Yang，H.H。；李立清。；刘，Z.B。；Hou，L.，基于硬件友好内核的SVM决策函数的FPGA实现，Proc。2013年国际竞争计算。信息科学。，ICCIS，133-136（2013）
[53] 库马尔，S。；马尼坎丹，J。；Agrawal，V.，使用可重构架构的支持向量机分类器的硬件实现，Proc。2017年国际会议高级计算。，Commun公司。信息学，ICACCI，45-50（2017）
[54] Lopes，F.F。；费雷拉，J.C。；Fernandes，M.A.，使用随机梯度下降在FPGA上并行实现支持向量机，电子学，8，6，631（2019）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。