随着宽带无线技术的高速发展和多媒体移动业务的广泛需求,各种宽带移动多媒体业务应运而生。然而,有限的无线资源并不能很好地保障这些多媒体业务的服务质量(QoS)需求。很显然,有限的无线资源已经成为宽带无线通信技术发展的主要瓶颈之一。为了突破这一瓶颈,各种无线资源分配与优化技术层出不穷,它们通过各种资源分配与优化算法致力于去提高无线资源利用率。尽管这些算法都取得了一定的研究成果,但是,由于该问题极其复杂,算法获得的解与最优解之间还有-定的差距。本文就是在这个前提下,在对无线资源进行分配的同时,利用混沌神经网络技术,进一步优化无线资源。本文将改进的混沌神经网络技术分别应用于三种典型的宽带无线通信系统中,通过富足的混沌神经动力去搜索问题的最优解,对无线资源进行进一步优化。本文主要工作包括以下四个方面。(1)给出了一种改进的混沌神经网络算法。自从Hopfield神经网络(HNN)成功地解决了旅行商问题(TSP)以后,HNN系列混沌神经网络被广泛地研究和应用于各种优化问题。然而,混沌理论极其复杂,不能够很好地支撑算法的仿真测试,导致了仿真参数设置困难、参数调试敏感和仿真速度慢等问题。为了改善系统的性能,本文对其理论进行了深入分析,通过大量的仿真测试,给出了一种合理的仿真参数设置依据,并提供了一套行之有效的参数集,包括更小的S型函数陡度因子、更强健的突触连接权值和更高的模拟退火初始温度等。通过经典的十个城市TSP问题测试,与传统的方法比较,改进的算法在优化率损失很小的情况下,收敛速率获得了大幅度的提升,更加适用于实际的应用场景。本文将改进的算法成功应用于以下三种典型的无线资源优化问题。(2)提出了一种基于暂态混沌神经网络(TCNN)的多用户OFDMA系统的无线资源优化算法。算法重新审视了多用户OFDMA系统的无线资源优化问题,进一步探索了余量自适应优化准则,算法的优化目标是在满足每个用户子载波需求的前提下最小化系统总的发送功率。算法根据每个用户在每个子载波上的信道状态自适应地分配子载波,为每个子载波选择恰当的调制方式,以此确定每个子载波上每个OFDM符号的比特数量,最终确定每个子载波上的发送功率。仿真结果显示,算法能够成功地利用暂态产生的混沌神经动力去搜索最优解,有效地解决了多用户OFDMA系统的无线资源优化问题。(3)提出了一种基于噪声混沌神经网络(NCNN)的单播和多播业务联合无线资源优化算法。为了能够在OFDMA系统中同时支持单播和多播业务,算法根据每个用户的信道条件给出了优化目标,即在保证多播业务最低速率需求的前提下,最大化单播业务的吞吐量。算法分为两步：首先在功率被平均分配给每个子载波的假设下,将子载波优先地分给多播业务,并使用NCNN将子载波分配给单播业务。然后将第一步中平均分配的功率进行快速地功率注水。仿真结果表明,NCNN利用其富足的噪声和混沌神经动力成功地搜索到了最优解,进一步挖掘了多用户分集增益。多播业务在频谱效率和误比特率(BER)性能方面,以及单播业务在吞吐量性能方面都得到了明显的改善。(4)提出了一种基于NCNN的多媒体多播/广播业务单频网(MBSFN)信道分配与优化算法。算法首先分析了传统的蜂窝移动通信动态信道分配存在的三种电磁干扰,并结合MBSFN区域的结构特点,总结出了MBSFN区域存在的四种电磁干扰。为了有效地避免这四种干扰,算法精心地构建了NCNN能量函数,并通过梯度下降的办法,最小化了总的信道数目。仿真结果显示,算法不仅能够成功地避免MBSFN区域存在的四种电磁干扰,而且还能够充分利用同频复用技术,提高了频率利用率,并能使总的信道使用数目最小,有效地解决了MBSFN区域的信道分配与优化问题。综上所述,本文对“基于混沌神经网络的无线资源优化策略”展开了深入地研究和探索,以进一步提高无线资源利用率为出发点,主要研究如何利用混沌神经网络优化技术对各种典型的无线通信场景的无线资源优化问题进行合理地物理意义抽象、数学建模以及仿真验证。通过理论分析和仿真验证,本文提出的算法都能够充分利用混沌神经动力去搜索最优解,达到了进一步优化无线资源的目的。同时,也为促进学科交叉与融合作出了有益的尝试。