[发明专利]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

摘要

本发明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。本发明具有重要的实际应用价值。

主权项

1.一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hi，jm(0)，i＝0，1，...，MT；j＝0，1，...，MR；m＝1，...，M，权值wi，jm(0)均置1/M；2)得到一个观测值后，利用公式$h_{i,j}(n,\tau )={\Sigma }_{l=0}^{L-1}{A}_l{h}_{i,j}^l(n-{\tau }_{i,j}^l)+w_{i,j}\left(n\right)$ h_{i,j}^l\left(n\right)=\alpha h_{i,j}^l(n-1)3)对于每一个粒子，应用似然函数计算粒子权值，$ {\mathrm{lik}}_{i,j}^m\left(n\right)=p\left(y\left(n\right)\right|h_{i,j}^m\left(n\right))=\frac{1}{{\sigma }_n\sqrt{2\pi }}{e}^{-\frac{(y\left(n\right)-h_{i,j}^m\left(n\right)\hat{x}\left(n\right))}{2{\sigma }_n^2}}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$ {\tilde{w}}_{i,j}^m\left(n\right)=1/M,$ p\left(h_{i,j}^m\left(n\right)\right|y(1:n))\approx {\tilde{w}}_{i,j}^m\left(n\right){\Sigma }_{m=1}^M{\delta }_{h_{i,j}^m\left(n\right)}\left(\mathrm{dh}\left(n\right)\right)=\frac{1}{M}{\Sigma }_{m=1}^M{\delta }_{h_{i,j}^m\left(n\right)}\left(\mathrm{dh}\left(n\right)\right)$ \hat{h}\left(n\right)=E\left(h\left(n\right)\right)=\int h\left(n\right)p\left(h\left(n\right)\right|y(1:n))\mathrm{dh}\left(n\right)\approx \frac{1}{M}{\Sigma }_{m=1}^M{h}_{i,j}^m\left(n\right).$$$$$$