《人工智能在混沌基带无线通信中的应用》对人工智能在混沌基带无线通信中的应用展开研究，主要包括混沌通信基础理论、无线通信基础知识和混沌基带无线通信系统介绍；人工智能在无线通信中的应用概述；基于混沌基带信号自相关函数和深度学习的无线信道盲辨识和毫米波信道辨识方法研究；基于回声状态网络(ESN)和卷积神经网络（CNN）的混沌基带无线通信解码方法研究，以及基于机器学习的混沌基带无线通信解码方法研究；基于深度学习的混沌非正交多址通信方法研究。基于人工智能的混沌基带无线通信解码方法均给出了仿真程序 MATLAB源码。

目录
前言
第1章 绪论 1
1.1 无线通信系统构成 1
1.2 混沌理论基础 4
1.3 混沌的通信应用 8
1.3.1 混沌同步通信 8
1.3.2 混沌非同步通信 10
1.3.3 混沌符号动力学通信 11
1.4 无线信道的特性和模型 12
1.4.1 无线信道基本特性 12
1.4.2 无线信道基本模型 13
1.4.3 毫米波信道特性 14
1.4.4 毫米波信道模型 18
1.5 无线信道辨识 21
1.6 本书章节结构关系 24
参考文献 25
第2章 混沌基带无线通信 29
2.1 数字基带信号 29
2.1.1 数字基带信号脉冲成型 29
2.1.2 数字基带无线通信系统 33
2.2 混沌基带信号 34
2.2.1 混沌成型滤波器 34
2.2.2 混沌匹配滤波器 36
2.3 混沌基带无线通信系统 37
2.4 混沌信号的新特性 38
2.4.1 *简匹配滤波意义下的*佳通信波形 38
2.4.2 混沌信号的Lyapunov指数谱不变性 38
2.5 码间干扰 39
2.5.1 码间干扰的产生 39
iv 人工智能在混沌基带无线通信中的应用
2.5.2 码间干扰的消除 40
2.6 仿真程序 41
2.7 本章小结 44
参考文献 45
第3章 人工智能及其在无线通信中的应用 46
3.1 人工智能的定义与发展历史 46
3.1.1 人工智能定义 46
3.1.2 人工智能发展历史 46
3.2 人工智能的内涵 48
3.2.1 数据 49
3.2.2 算法 49
3.2.3 算力 50
3.3 人工智能的核心技术和算法 50
3.3.1 机器学习 50
3.3.2 机器学习方法分类 53
3.3.3 支持向量机 55
3.3.4 深度学习 58
3.3.5 人工智能芯片 68
3.4 人工智能与无线通信 69
3.4.1 人工智能在信道建模与估计中的应用 70
3.4.2 人工智能在调制识别中的应用 72
3.4.3 人工智能在信息检测中的应用 73
3.5 本章小结 74
参考文献 74
第4章 基于深度学习的无线信道盲辨识 79
4.1 混沌基带信号的自相关函数 79
4.2 基于自相关函数的盲信道辨识 81
4.2.1 接收信号的自相关函数 82
4.2.2 混沌信号自相关函数与信道参数的解析关系 84
4.2.3 盲信道辨识均方误差性能 86
4.3 基于SDAE结构的DNN构建 89
4.4 基于SDAE-DNN的信道辨识 90
4.4.1 DNN结构 91
4.4.2 训练数据产生 92
4.4.3 SDAE-DNN离线训练 93
4.4.4 DNN在线预测与计算复杂度分析 94
4.5 仿真结果与性能分析 95
4.5.1 均方误差性能 95
4.5.2 基于信道参数辨识的无线通信系统误码率性能 96
4.6 仿真程序 97
4.7 本章小结 102
参考文献 103
第5章 基于深度学习的毫米波信道辨识 104
5.1 毫米波信道辨识研究现状 104
5.2 基于SDAE-DNN的毫米波信道辨识方法 105
5.2.1 毫米波信道辨识训练数据准备 105
5.2.2 毫米波信道辨识的神经网络结构 107
5.2.3 SDAE-DNN离线训练与在线预测 108
5.3 仿真结果与性能分析 109
5.3.1 均方误差性能 109
5.3.2 误码率性能 110
5.4 仿真程序 111
5.5 本章小结 116
参考文献 116
第6章 基于ESN的混沌基带无线通信解码 118
6.1 基于ESN的混沌波形预测 118
6.1.1 混沌波形预测方法 119
6.1.2 计算复杂度分析 125
6.1.3 仿真结果与性能分析 126
6.1.4 实验验证 129
6.2 基于ESN 的解码阈值预测 134
6.2.1 解码阈值预测方法 135
6.2.2 仿真结果与性能分析 139
6.2.3 实验验证 142
6.2.4 计算复杂度分析 146
6.3 仿真程序 148
6.4 本章小结 176
参考文献 177
第7章 基于CNN的混沌基带无线通信解码 179
7.1 符号信息预测方法 179
7.1.1 训练数据 180
7.1.2 网络结构 180
7.1.3 网络训练 182
7.2 计算复杂度分析 183
7.3 仿真结果与性能分析 184
7.4 实验验证 186
7.5 仿真程序 187
7.6 本章小结 191
参考文献 192
第8章 基于机器学习的混沌基带无线通信解码 193
8.1 GA-SVM 193
8.1.1 遗传算法优化 194
8.1.2 训练数据选取 194
8.1.3 基于遗传算法优化的支持向量机 198
8.2 基于GA-SVM的信息解码 199
8.3 仿真结果与性能分析 200
8.3.1 不同训练数据集的误码率性能 201
8.3.2 不同解码方法的误码率性能 201
8.4 实验验证 203
8.5 仿真程序 205
8.6 本章小结 208
参考文献 209
第9章 基于深度学习的混沌非正交多址通信 210
9.1 NOMA基本原理 210
9.1.1 NOMA资源分配 210
9.1.2 NOMA关键技术 212
9.1.3 NOMA系统模型 213
9.1.4 常用功率分配算法 214
9.2 混沌NOMA系统 216
9.2.1 混沌NOMA系统设计 216
9.2.2 混沌NOMA系统仿真结果 218
9.2.3 功率分配算法 219
9.2.4 动态功率分配仿真 221
9.3 叠加混沌信号自相关函数与信道增益的解析关系 223
9.3.1 叠加混沌信号的自相关函数推导 223
9.3.2 接收信号自相关函数与信道增益的解析关系 224
9.4 深度神经网络在NOMA中的应用 225
9.4.1 基于SDAE-DNN的信道增益辨识 226
9.4.2 仿真结果与分析 229
9.4.3 计算复杂度分析 234
9.5 仿真程序 235
9.6 本章小结 243
参考文献 243
第10章 人工智能在混沌基带无线通信中的应用机遇与挑战 245
10.1 引言 245
10.2 未来发展机遇 246
10.2.1 通信性能极限突破 246
10.2.2 通信安全增强 248
10.2.3 资源联合优化 249
10.3 关键挑战 250
10.3.1 可解释性与可靠性的根本矛盾 250
10.3.2 数据缺乏与动态环境的矛盾 251
10.3.3 实时性要求与计算复杂度的矛盾 251
参考文献 252
附录A 名词缩略语对照表 253
附录B 符号表 257

第1章绪论
　　通信作为信息传输的重要手段，推动了科技进步和人类社会生活方式变革，特别是20世纪80年代以来，无线通信技术不断革新[1]，以手机为代表的移动无线通信发生了翻天覆地的变化，每隔10年左右即产生一代新的通信技术，新的理论和技术发展支撑不断增加的高速率、大带宽、高可靠性无线通信需求。本章简述无线通信基本原理和系统构成，对混沌的特性和应用进行介绍，给出无线信道的特性、模型和辨识方法，*后介绍本书的内容和章节安排。
　　1.1无线通信系统构成
　　通信是信息从信源向信宿进行传递的过程，如图1.1所示。通信可以是双向的，当信息传递方向交换时，信源和信宿与对应的信号处理部分功能交换。通信可以采用有线方式，如有线电话，也可以采用无线方式。无线通信是指信源发送的信息通过无线信道传输到信宿，无线信道可以是大气，也可以是水体，或者是其他介质。无线信道介质对其中不同传输信号的作用不同，因此，考虑介质的不同性质，采取的通信信号也有所不同，如水体无线通信主要采用声波作为信息载体，大气介质无线通信一般采用不同频率的电磁波作为信息的载体。本书主要以大气介质的无线通信为研究对象，根据电磁波频率的不同可以分为L、S、C等不同频段，频率为30～300GHz，波长为1～10mm的电磁波定义为毫米波，其他频率的电磁波，如红外、紫外、激光、太赫兹频率都可以作为通信载波实现无线信息传输。一般意义下，载波频率越高，信息传输速率也越快，但是对于器件和处理电路的速度要求也越高，因此高速率无线通信需求不断牵引信号处理理论与技术、信号处理装置的发展。根据信源发送信号是模拟信号还是数字信号，可以将通信分为模拟通信和数字通信。现代通信系统中一般采用数字通信，通信发送信息一般用二进制表示数字信号，数字信号通过信源编码、信道编码得到需要输出的信号。由于信道带宽有限，一般将二进制信息通过成型滤波器产生信道中可以传输的波形——基带波形。基带波形还需要处理成载频信息，即一般意义下的上变频。经过上变频的信息可以通过适合的功率放大电路和对应的天线转变成大气中传播的电磁波，经过信道的传输后，接收端天线接收到来自发射端的电磁波，并通过下变频操作将其转换为基带信号。由于信道特性不理想及噪声的干扰，接收信号会产生变形，在接收端为了减小噪声的影响，*先将信号送入匹配滤波器，其次经过信道均衡等数字处理，校正其由于信道特性不理想而产生的波形失真或码间串扰，*后通过抽样判决完成信息解码。
　　一般的通信系统模型可由图1.1来表示。
　　图1.1一般的通信系统模型
　　（1）信源：把各种消息转换成原始电信号。根据消息的种类，信源可分为模拟信源和数字信源。模拟信源输出的是连续模拟信号。数字信源输出的为离散的数字信号。模拟信源输出信号经数字化处理可以转化为数字信号。
　　（2）发送设备：产生适合在信道中传输的信号，以提高信息传输的效率和可靠性。在模拟通信系统中，发送设备可简化为调制器，用来变换信号。对于数字通信系统来说，发送设备通常包含信源编码、信道编码、波形设计和调制等过程。对于多路传输系统，还包括多路复用设备。
　　没有经过调制的原始电信号称为基带信号（或低通信号），其特点是频谱由零频附近开始延伸到某个小于几兆赫兹的有限值，具有低通形式。根据电信号的特征，基带信号可分为数字基带信号和模拟基带信号。数字基带信号是离散的基带信号，其波形可以是矩形脉冲、梯形脉冲等。模拟基带信号是连续变化的基带信号，其幅度和频率可以随时间连续变化。常见的模拟基带信号包括音频信号、视频信号等。信源编码是对信源输出的符号进行变换，其核心目标是通过去除信源中的冗余（无损编码）或在允许的失真范围内去除不必要的信息（有损编码），将信源信息转换为高效的二进制比特流形式，从而在保证所需重构质量的前提下，*大程度地降低传输所需的比特率，提高通信系统的有效性。信道编码则是通过适当增加信号传输的冗余信息，提高信号传输的可靠性。信道编码是一种为了提高传输可靠性的差错控制编码，添加与原始数据相关的冗余信息，使得接收端可以利用该冗余信息检测和纠正传输过程中可能出现的错误。波形设计即成型滤波器的设计，其输入一般是由码型编码器产生的传输码，基本波形通常为矩阵脉冲，频谱很宽不利于传输，使用成型滤波器可有效压缩输入信号的频带，产生适合于信道传输的基带信号波形。调制则是把基带信号加到载波上的过程，载波可以是连续变化的正弦波，也可以是脉冲序列。
　　在一些通信系统中，如市话系统、计算机局域网等，基带信号可以在信道中直接传输，称为基带传输，也称基带通信。基带传输不需要调制和解调，设备花费小，也避免了调制和解调过程中的噪声和干扰，从而提高信号传输质量。但是，大多数通信系统需要调制过程，将基带信号变换为更适合于信道传输的形式，尤其是无线通信场合。在无线通信系统中，基带信号须变换到射频波段才能进行有效传输。即使在有线信道，有时也需要经过调制，使信号频率和信道的有效传输频带相适应。
　　（3）信道：一种物理媒介，用于将发送设备产生的信号传输到接收端。信道一般可分为有线信道和无线信道。有线信道可以是明线、电缆和光纤。无线信道可以是自由空间，也可以是水下通信中的水体。
　　（4）噪声和干扰：信道中除传输的信号外，还存在各种噪声和干扰，是影响通信质量和性能的重要因素。噪声包括信道中的噪声及分散在通信系统中其他各处的噪声。噪声通常是随机的，会影响信号的正常传输。干扰是指环境中其他电磁波信号对通信系统的干扰，主要包括同频干扰、邻近信道干扰、多径干扰和外界干扰等。这些噪声和干扰会导致信号的失真、丢失和误解码等问题，大大降低通信的可靠性和性能。尽管如此，通过合理的设计和优化，可以有效降低噪声和干扰对通信系统的影响，提高通信质量和性能。
　　（5）接收设备：完成发送设备的反变换，即对接收信号进行变换，如译码、解调等，达到从受损的接收信号中正确恢复出原始基带信号的目的。对于多路复用信号，还包括解除多路复用，实现正确分路。接收设备还需要尽可能减小传输过程中噪声和干扰等对信号所带来的影响。
　　（6）信宿：也指受信者，是传送消息的目的地。作用与信源相反，即把原始电信号还原成相应的消息。
　　以现代移动无线通信为代表的无线通信，作为现代信息传输的重要技术手段，已成为人们日常生活中必不可少的一部分。现代移动通信已经进入第六代移动通信技术（the 6th generation mobile communication technology，6G）的研发和标准化阶段，并逐步走向商用。其中，以语音通话为主的**代移动通信技术（the 1st generation mobile communication technology，1G）是指模拟蜂窝移动通信，出现于20世纪70年代中期至80年代；第二代移动通信技术（the 2nd generation mobile communication technology，2G）以全球移动通信（GSM）和码分多址（code division multiple access，CDMA）为主，引入了数字无线电技术，改善了语音通话质量，还能为移动用户提供国际漫游功能；第三代移动通信技术（the 3rd generation mobile communication technology，3G）增加了宽带多媒体通信功能，可实现全球无缝覆盖、全球漫游。*具代表性的3G系统为美国提出的CDMA2000、欧洲提出的宽带码分多址和中国提出的时分同步码分多址（time division synchronous code division multiple access，TD-SCDMA）。2G和3G网络的功能以语音通话为主。
　　第四代移动通信技术（the 4th generation mobile communication technology，4G）包括时分长期演进（time division long term evolution，TD-LTE）和频分双工长期演进（frequency division duplexing long term evolution，FDD-LTE）两种制式。4G支持第三代合作伙伴计划（the 3rd Generation Partnership Project，3GPP）和非3GPP多种无线接入方式，支持大带宽、低时延、灵活漫游，下载速率高达100Mbit/s；可随时随地接入互联网，提供数据采集、远程控制、高清视频等丰富的综合应用。得益于4G的巨大技术进步，面向移动端的应用创新不断涌现，彻底改变了人们的日常生活。
　　随着应用需求的不断提高，2019年移动通信正式进入第五代移动通信技术（the 5th generation mobile communication technology，5G）时代。5G是一种具有高速率、低时延和海量连接特点的新一代宽带移动通信技术，实现了真正意义上的网络融合，渗透到社会的各个领域，并以用户为中心构建全方位信息生态系统。5G应用了很多新型通信技术，如新型编码技术——极化码，新型调制技术——滤波器组正交频分复用技术等。然而，在无线通信技术中，基带通信仍然是*基础的信号传输方式，它不但可以直接进行数据传输，还可以应用于*新的通信技术中，以改善系统的通信性能。基带通信的技术水平和设备质量对通信系统的整体性能至关重要，基带通信技术的发展也将推动移动通信的进步。因此，研究基带无线通信具有非常重要的理论和实践意义。不同于有线通信中的良好信道环境，无线信道环境存在一系列复杂特性，如带宽受限、多径传播、多普勒频移、复杂噪声等，这些特性严重制约无线通信系统的通信速率和误码率性能提升。因此，提高无线通信的效率和可靠性一直是研究人员努力的方向，而无线通信性能的提升则依赖于理论和技术上的突破。
　　1.2混沌理论基础
　　混沌理论是研究动态系统中非线性行为和复杂现象的数学理论。混沌作为非线性系统中一种特殊而复杂的动力学行为，因具有初值敏感性、确定性和类随机性等优良特性，得到人们的广泛关注。混沌理论作为现代物理学中重要且影响深远的理论，对人类认识和理解自然界起到很大的促进作用。在混沌系统中，微小的初始条件变化可能导致系统未来行为的巨大差异。混沌系统通常具有无法预测、看似随机的行为，但其背后支配的动力学规律却是确定的。
　　1.混沌系统的特征
　　混沌系统具有以下几个重要特征。
　　（1）初始条件敏感性。混沌系统的未来行为对初始条件极为敏感，即使初始条件微小的变化也可能导致未来某时刻完全不同的结果。
　　（2）长期行为不可预测性。尽管混沌系统是确定性的，但由于初始条件的精度不能无限高，初始条件的偏差将导致其长期行为往往是不可预测的。
　　（3）分形结构。混沌吸引子通常具有分形结构，意味着在不同的尺度上观察其表现出的模式，会展现出相似的复杂模式，也称为自相似性。
　　（4）非周期性。混沌吸引子内部复杂多变，表现出非周期性行为。
　　2.混沌理论的数学基础
　　混沌理论的数学基础包括非线性动力学和微分方程等。典型的混沌系统可以通过一组非线性微分方程来描述，如洛伦茨（Lorenz）系统、埃农-海尔斯（Henon-Heiles）系统等。这些方程的解通常表现出复杂的动态行为，包括分岔、混沌吸引子和正的李雅普诺夫（Lyapunov）指数。
　　1）分岔理论
　　分岔理论是混沌理论的一个重要分支，研究系统在参数变化时的定性变化。分岔可以是局部的，如周期加倍分岔，也可以是全局的，如混沌的出现。分岔图通常用来描述系统在参数空间中的不同行为区域，下面以逻辑斯谛（Logistic）映射为例进行说明。
　　Logistic方程源于一个人口动力学模型[2]，是简单的一维映射，其差分方程表示如下：
　　（1.1）
　　式中，状态变量；参数。Logistic映射的参数分岔