信息与电子工程
信息與電子工程
신식여전자공정
INFORMATION AND ELECTRONIC ENGINEERING
2006年
6期
421-426
,共6页
增量学习算法%支撑向量机%MC-CDMA%多用户检测
增量學習算法%支撐嚮量機%MC-CDMA%多用戶檢測
증량학습산법%지탱향량궤%MC-CDMA%다용호검측
由于多载波传输数据和基于快速傅里叶变换(Fast Fourier Transform,FFT)的矩形窗截取,MC-CDMA(Multi-Carrier CDMA)系统对频率偏差十分敏感,同时上行链路信号的异步性和信道的非线性,令MC-CDMA从单载波扩频系统继承来的线性多用户检测手段和分集合并技术变得不再有效,信道估计困难而不准确.为了在这种条件下提高信号检测的性能,提出了基于支撑向量机增量学习算法(Incremental Support Vector Machine,ISVM)的MC-CDMA上行链路多用户检测器.该检测器在标准支撑向量机(Support Vector Machine,SVM)的基础上舍弃历史样本,减少不必要的训练,同时合理地处理了新增样本和原支撑向量机分界面的关系,保留了强大的非线性分类力.通过仿真实验,与常用的检测技术以及最佳检测曲线比较,表明该检测器能很好地逼近最佳检测器.
由于多載波傳輸數據和基于快速傅裏葉變換(Fast Fourier Transform,FFT)的矩形窗截取,MC-CDMA(Multi-Carrier CDMA)繫統對頻率偏差十分敏感,同時上行鏈路信號的異步性和信道的非線性,令MC-CDMA從單載波擴頻繫統繼承來的線性多用戶檢測手段和分集閤併技術變得不再有效,信道估計睏難而不準確.為瞭在這種條件下提高信號檢測的性能,提齣瞭基于支撐嚮量機增量學習算法(Incremental Support Vector Machine,ISVM)的MC-CDMA上行鏈路多用戶檢測器.該檢測器在標準支撐嚮量機(Support Vector Machine,SVM)的基礎上捨棄歷史樣本,減少不必要的訓練,同時閤理地處理瞭新增樣本和原支撐嚮量機分界麵的關繫,保留瞭彊大的非線性分類力.通過倣真實驗,與常用的檢測技術以及最佳檢測麯線比較,錶明該檢測器能很好地逼近最佳檢測器.
유우다재파전수수거화기우쾌속부리협변환(Fast Fourier Transform,FFT)적구형창절취,MC-CDMA(Multi-Carrier CDMA)계통대빈솔편차십분민감,동시상행련로신호적이보성화신도적비선성,령MC-CDMA종단재파확빈계통계승래적선성다용호검측수단화분집합병기술변득불재유효,신도고계곤난이불준학.위료재저충조건하제고신호검측적성능,제출료기우지탱향량궤증량학습산법(Incremental Support Vector Machine,ISVM)적MC-CDMA상행련로다용호검측기.해검측기재표준지탱향량궤(Support Vector Machine,SVM)적기출상사기역사양본,감소불필요적훈련,동시합리지처리료신증양본화원지탱향량궤분계면적관계,보류료강대적비선성분류력.통과방진실험,여상용적검측기술이급최가검측곡선비교,표명해검측기능흔호지핍근최가검측기.
