论文部分内容阅读
非连续正交频分复用(Non-Contiguous Orthogonal Frequency Division Multiplexing,NC-OFDM)技术是一种高效的多载波调制技术,在干扰环境中,可通过选择未被干扰的子带进行数据传输,具有较好的抗干扰性能。本论文结合人工智能技术,研究了NC-OFDM系统中基于规则和基于遗传算法的两种智能抗干扰决策引擎,并在几种典型干扰环境下进行了系统性能仿真分析。本文的研究主要分为以下三个部分:第一部分是第二章,主要研究了智能抗干扰决策引擎算法基本原理,包括遗传优化算法和学习推理算法。分析了各算法的工作原理以及应用,并对这些决策算法进行对比分析,为设计智能抗干扰决策引擎提供理论基础。第二部分包括第三章和第四章,主要研究了NC-OFDM系统基于规则的智能抗干扰决策引擎设计和系统抗干扰性能分析。在第三章,给出了基于规则决策的智能抗干扰决策引擎设计,并重点研究了两种智能抗干扰决策算法:基于信噪比差值和误包率的自适应调制编码(Adaptive Modulation and Coding,AMC)算法和基于干扰认知的自适应子带选择(Adaptive Sub-Band Selection,ASBS)算法。仿真结果表明,本文提出的AMC算法优于传统算法,在典型衰落信道环境中能够在保证误比特率性能的前提下有效提升系统容量;ASBS算法在典型干扰环境中具有很强的抗干扰能力。在第四章,仿真分析了基于规则决策的NC-OFDM系统在无干扰和干扰环境中的误比特率和信息传输速率,干扰环境包括部分带噪声干扰、瞄准式干扰、梳状干扰、脉冲干扰、扫频干扰等典型干扰。仿真结果表明:采用了多种抗干扰措施的NC-OFDM系统,在基于规则的智能抗干扰决策下,能智能适应信道环境的变化,并能抵抗SJR?-40dB的典型干扰,在误比特率满足系统要求的前提下,使得系统获得尽可能高的容量。第三部分是第五章,主要研究了NC-OFDM系统基于遗传算法(Genetic Algorithm,GA)的智能抗干扰决策引擎设计和系统抗干扰性能分析。首先研究了基于GA的智能抗干扰决策引擎的框架以及引擎内的优化决策单元设计;接着对决策单元的参数进行了分析;然后对基于GA和自适应遗传算法(Adaptive Genetic Algorithm,AGA)的决策引擎在无干扰环境和干扰环境的决策性能进行了仿真分析。仿真结果表明基于GA和AGA的智能决策引擎具有很强的抗干扰能力,并能有效地提升系统容量;在相同误比特率要求下,比基于规则的决策引擎的平均信息传输速率略高一些,但需要一些提前训练的知识库和更多的信道信息。