基于人工神经网络的WCDMA上行链路功率控制及其应用

本篇论文深入探讨了人工智能技术在无线通信系统中的应用，特别是针对WCDMA（Wideband Code Division Multiple Access）上行链路功率控制问题的研究。作者刘伟平，硕士研究生，专业为通信与信息系统，师从孙光民教授，于2007年完成此课题。 在移动通信领域快速发展的背景下，随着3G时代的来临，无线资源管理的重要性日益凸显。功率控制作为无线资源管理的关键环节，直接影响着系统容量和效率。论文首先聚焦于CDMA系统，构建数学模型来分析同频干扰这一影响系统容量的主要因素。通过深入的数学分析，作者提出采用人工神经网络技术来解决上行链路功率控制问题，设计出目标函数模型，旨在优化系统性能并合理分配资源。 人工神经网络模型被用来处理单小区内的同频干扰，通过仿真实验展示了其在功率控制方面的优势。实验结果显示，相较于传统方法，人工神经网络能够有效地抑制干扰，使得用户发射功率得到优化，同时保证网络模型的稳定收敛。这证明了人工神经网络技术在无线通信领域的实际应用价值。 在单小区功率控制的基础上，作者进一步扩展到解决跨小区切换的问题，引入了Hopfield人工神经网络技术。这种技术利用移动用户在小区内的状态参考点，解决了用户在不同小区间的切换过程中归属状态识别的问题。实验数据展示了在小区容量达到饱和时，如何通过这种网络技术进行用户处理，保证系统的动态平衡和高效运行。 关键词包括功率控制、同频干扰、人工神经网络、Hopfield神经网络以及跨小区切换，这些关键词准确地概括了论文的核心研究内容。这篇论文不仅提供了理论分析，还通过实践验证了人工智能在优化WCDMA上行链路功率控制中的实用性，为无线通信系统的资源管理和优化策略提供了新的视角和方法。