基于最小二乘支持向量机的时变信道建模
基于2.55 GHz市区微蜂窝多输入多输出(MIMO)信道实测数据,将机器学习中的最小二乘支持向量机(LS-SVM)算法应用于时变信道参数的建模中,建立了基于遗传算法(GA)优化的LS-SVM信道参数预测模型,对信道参数如:时延扩展、接收端的水平角度扩展和垂直角度扩展的数据特征进行了学习并实现了准确预测;同时通过和反向传播(BP)神经网络模型以及传统的LS-SVM模型进行了比较,验证了算法的有效性.基于GA优化的LS-SVM模型能够在有限数据量下对信道参数的变化有着良好的适应性,可实现非线性时变信道参数的准确预测.
时变信道、最小二乘支持向量机、遗传算法、反向传播神经网络算法
42
TN929.53
国家自然科学基金项目61771194;北京市自然科学基金-海淀原始创新联合基金项目17L20052;北京市科委新一代信息通信技术培育项目Z181100003218007
2019-12-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
29-35