【技术实现步骤摘要】
本专利技术涉及多输入输出系统信号处理
，更具体地，涉及一种全反馈神经网络的信号盲检测方法。
技术介绍
神经网络是用机器模拟人脑智能活动的杰出代表。它巧妙地将生物神经网络的结构和工作方式角数学形式模拟出来,用于解决实际问题,已在众多领域获得成功应用。例如，根据疾病危险因素预测疾病发生风险,反馈神经网络在流行病学资料分析中占有相当比重。它属于非线性模拟系统,其特有的设计及工作原理使其对被分析的资料特性几乎没有任何要求,无论被研究资料是连续型还是离散型的,采用神经网络方法不必经过繁琐的变量特征分析过程即可直接使用并行处理的方式又使它对残缺资料以及干扰错误信号具有一定的处理能力神经网络还具有自动学习、识别变量间关系的能力,可以识别变量间的任何关系而不需要人脑的参与,其效果往往也优于传统分析方法。但是，传统的反馈神经网络算法在建模时收敛速度慢，限制了其在多输入输出系统中。
技术实现思路
为了提高全反馈神经网络中节点信号的处理速度，本专利技术提供了一种全反馈神经网络的信号盲检测方法，包括：(1)根据全反馈神经网络的状态构造检测信号接收矩阵；(2)对当前时刻的检测信号接收矩阵进行奇异值分解；(3)根据所述奇异值分解结果以及当前时刻和前一时刻的检测信号接收矩阵构造反馈信号矩阵；(4)对信号进行放大处理并进行迭代。进一步地，所述步骤(1)包括：(11)根据全反馈神经网络的状态，在t时刻的状态，获得t时刻要输入到节点Ni的有效信号Si(t)以及t-1时刻输入到节点Ni的有效信号Si'(t-1)，所述有效信号表示在全反馈神经网络中的符合预定条件的信号传输路径中传输的信号，i...
【技术保护点】
一种全反馈神经网络的信号盲检测方法，包括：(1)根据全反馈神经网络的状态构造检测信号接收矩阵；(2)对当前时刻的检测信号接收矩阵进行奇异值分解；(3)根据所述奇异值分解结果以及当前时刻和前一时刻的检测信号接收矩阵构造反馈信号矩阵；(4)对信号进行放大处理并进行迭代。
【技术特征摘要】
1.一种全反馈神经网络的信号盲检测方法，包括：(1)根据全反馈神经网络的状态构造检测信号接收矩阵；(2)对当前时刻的检测信号接收矩阵进行奇异值分解；(3)根据所述奇异值分解结果以及当前时刻和前一时刻的检测信号接收矩阵构造反馈信号矩阵；(4)对信号进行放大处理并进行迭代。2.根据权利要求1所述的全反馈神经网络的信号盲检测方法，其特征在于，所述步骤(1)包括：(11)根据全反馈神经网络的状态，在t时刻的状态，获得t时刻要输入到节点Ni的有效信号Si(t)以及t-1时刻输入到节点Ni的有效信号S'i(t-1)，所述有效信号表示在全反馈神经网络中的符合预定条件的信号传输路径中传输的信号，i＝1，2，…N，N为正整数；(12)计算各待处理信号Si(t)之间的对数比例，获得它们彼此之间的比例系数：K1:K2:K3:...:KN＝|lg(||S1(t)||)|:|lg(||S2(t)||)|:|lg(||S3(t)||)|:...:|lg(||SN(t)||)|(13)构造t时刻的检测信号接收矩阵A： A = K 1 K 1 × K 2 ... ... K N - 1 × K N K 2 × K 1 K 2 ... ... ... ... ... ... ... ... ... ... ... ... K N - 2 × K N - 1 K N × K 1 K N × K 2 ... ... K N ; ]]>(14)构造(t-1)时刻的检测信号接收矩阵B： A = K ′ 1 K ′ 1 × K ′ 2 ... ... K ′ N - 1 × K ′ N ...
【专利技术属性】
技术研发人员：周琳，陈林瑞，
申请(专利权)人：四川东鼎里智信息技术有限责任公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。