本书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。
更多科学出版社服务，请扫码获取。
2006年9月-2010年7月 大理学院 计算机科学与技术 本科
2010年9月-2013年6月 云南大学 计算机软件与理论 硕士
2018年9月-2022年6月 西安理工大学 模式识别与智能系统 博士2025年1月- 西安现代控制技术研究所陆空基信息感知与控制全国重点实验室
2022年7月- 西安科技大学 教师
2014年10月-2018年7月 西安思源学院 教师发表论文 8 篇，其中SCI检索 6 篇，SSCI检索 篇，EI检索 6 篇，CSSCI检索 篇，其他核心期刊检索 2 篇。
（1）Yin Huiping, Ren Haipeng. NOMA system performance improvement using chaos and deep learning. IEEE Transactions on Circuits and Systems I: Regular Papers,？2024, IF=5.200, 中科院SCI一区Top/JCR一区
（2）Yin Huiping, Zhao Xiaohui, Yao Junliang, Ren Haipeng. Deep-Learning-based Channel Estimation for Chaotic Wireless Communication. IEEE Wireless Communications Letters, 2023, IF=6.300, 中科院SCI二区/JCR一区
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 最简匹配滤波意义下的最佳通信波形 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
书单推荐
