CDMA系统中径向基函数神经网络测向算法研究

"这篇硕士学位论文主要研究了人工智能中的径向基函数神经网络在CDMA系统中的应用，特别是用于信号测向的算法。论文作者是陈荆花，指导教师为周希朗，来自上海交通大学电磁场与微波技术专业。" 本文深入探讨了在现代通信系统中占据主导地位的CDMA（码分多址）技术，特别是智能天线的信号测向问题。作者结合了一维谱估计技术和扩频技术，提出了一种针对CDMA系统的DOA（到达角）估计的创新算法。该算法基于CDMA系统的阵列信号特性，利用在信号处理和模式分类领域表现出优越性能的神经网络，即径向基函数神经网络（Radial Basis Function，RBF）来实现测向。 RBF神经网络以其对信道环境的良好适应性、高测向精度和实时性为特点，为解决CDMA系统中的多用户干扰问题提供了新思路。为优化样本采集方法对网络性能的影响，论文还提出了一种特征矢量输入法，这种方法减少了所需的采样点数，同时保持了网络性能的稳定性，测向精度可与传统方法相媲美。 论文不仅进行了理论分析，还开发了相应的算法程序，并进行了大量的计算机仿真实验，通过实验结果验证了算法的有效性和准确性。关键词包括径向基函数神经网络、MUSIC算法（一种经典的阵列信号处理算法）以及扩频技术。 总体而言，这篇研究工作为CDMA系统中智能天线的信号处理和测向提供了新的方法，尤其是在应对多用户环境下的信号定位挑战方面，展示了径向基函数神经网络的潜力和价值。这种创新的测向算法有望在未来无线通信系统的设计和优化中发挥重要作用。