一种基于粒子滤波器和神经网络的双选择性信道跟踪方法技术

本发明专利技术涉及一种基于粒子滤波器和神经网络的双选择性信道跟踪方法，其特征在于，采用基于粒子滤波和神经网络的方法对无线通信中的时间－频率双选择性信道进行良好的信道跟踪，跟踪过程不再需要插入训练序列或者导频符号，可提高系统的频谱利用率，得到高的误码率性能。本发明专利技术具有重要的实际应用价值。

【技术实现步骤摘要】

【技术保护点】
一种基于粒子滤波器和神经网络的双选择性信道跟踪方法，步骤如下：　１）利用径向基神经网络对双选信道进行训练得到粒子滤波跟踪的初始值ｈ↓［ｉ，ｊ］↑［ｍ］（０），ｉ＝０，１，…，Ｍ↓［Ｔ］；ｊ＝０，１，…，Ｍ↓［Ｒ］；ｍ＝１，…，Ｍ，权值ｗ↓［ｉ，ｊ］↑［ｍ］（０）均置１／Ｍ；　２）得到一个观测值后，利用公式　ｈ↓［ｉ，ｊ］（ｎ，τ）＝∑↓［ｌ＝０］↑［Ｌ－１］Ａ↓［ｌ］ｈ↓［ｉ，ｊ］↑［ｌ］（ｎ－τ↓［ｉ，ｊ］↑［ｌ］）＋ｗ↓［ｉ，ｊ］（ｎ）ｉ＝０，１，…，Ｍ↓［Ｔ］；ｊ＝０，１，…，Ｍ↓［Ｒ］和公式　ｈ↓［ｉ，ｊ］↑［ｌ］（ｎ）＝αｈ↓［ｉ，ｊ］↑［ｌ］（ｎ－１）ｌ＝０，１，…，Ｌ－１可由ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ－１）得到新的粒子集ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ）；　３）对于每一个粒子，应用似然函数计算粒子权值，　ｌｉｋ↓［ｉ，ｊ］↑［ｍ］（ｎ）＝ｐ（ｙ（ｎ）｜ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ））＝１／σ↓［ｎ］＊ｅ↑［－（ｙ（ｎ）－ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ）＊（ｎ））／２σ↓［ｎ］↑［２］］　４）计算归一化权值ｗ↓［ｉ，ｊ］↑［ｍ］（ｎ）；　５）重采样：具有大权值的样本，重复采样；同时小权值样本，尽量抛弃，如此获得Ｍ个随机样本，其权值设为＊↓［ｉ，ｊ］↑［ｍ］（ｎ）＝１／Ｍ，样本分布渐趋于后验分布，　ｐ（ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ）｜ｙ（１∶ｎ））≈＊↓［ｉ，ｊ］↑［ｍ］（ｎ）∑↓［ｍ＝１］↑［Ｍ］δ↓［ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ）］（ｄｈ（ｎ））＝１／Ｍ∑↓［ｍ＝１］↑［Ｍ］δ↓［ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ）］（ｄｈ（ｎ））　６）由后验分布得到信道估计值为：　＊（ｎ）＝Ｅ（ｈ（ｎ））＝∫ｈ（ｎ）ｐ（ｈ（ｎ）｜ｙ（１∶ｎ））ｄｈ（ｎ）≈１／Ｍ∑↓［ｍ＝１］↑［Ｍ］ｈ↓［ｉ，ｊ］↑［ｍ］（ｎ）。...

【技术特征摘要】

【专利技术属性】
技术研发人员：江铭炎，李海燕，刘波，刘彦君，程永明，彭丽，刘玉龙，
申请(专利权)人：山东大学，
类型：发明
国别省市：88[中国|济南]