基于双Sigmoid复数连续神经网络的信号盲检测方法技术

本发明专利技术提供了基于双Sigmoid复数连续神经网络的信号盲检测方法，所述方法设计了新的激活函数以减弱在0点周围对网络输入值的敏感度；利用新激活函数，在不影响收敛时间的前提下，误码率下降，改善了抗噪声能力；为了提高系统收敛速度，在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构，构建本发明专利技术双Sigmoid复数连续Hopfield型神经网，在相同的信噪比条件下，以状态向量和平衡点之间的距离范数为指标，本发明专利技术双Sigmoid复数连续Hopfield型神经网络算法比传统双Sigmoid神经网络收敛速率更快，优化了HNN神经网络性能。

【技术实现步骤摘要】
基于双Sigmoid复数连续神经网络的信号盲检测方法
本专利技术属于无线通信信号处理及神经网络
，尤其是涉及基于双Sigmoid复数连续神经网络的信号盲检测方法。
技术介绍
数据通信和无线传感网技术的迅猛发展，对通信信号的盲检测(BlindDetection)提出了更高的要求。所谓盲检测就是仅利用接受信号本身便能够检测出发送信号，从而消除符号间干扰(ISI)以提高信息传输速率和可靠性。为解决传统自适应均衡技术容易引起的信道带宽利用率低等问题，许多文献开始使用Hopfield神经网络对信号盲检测问题进行研究。Hopfield神经网络(HopfieldNeuralNetworks,HNN)盲检测算法不受信道是否含公零点的限制且所需发送数据更短，与二阶统计量盲算法和高阶统计量盲算法相比，更能满足现代通信系统高速且可靠的传输要求。文献[张昀，现代通信系统与通信信号处理[PhD],博士学位论文(南京：南京邮电大学),2012.]基于HNN的盲检测算法研究已有初步成效，证明了网络趋向稳定平衡的充要条件。文献[孙明.基于小波和迟滞的混沌神经网络及其应用[PhD],博士学位论文(哈尔滨：哈尔滨本文档来自技高网...

【技术保护点】
基于双Sigmoid复数连续神经网络的信号盲检测方法，其特征在于，包括如下步骤：步骤A，构造接收数据矩阵：接收端接收单个用户发送信号，经过过采样，获得离散时间信道的接收方程：X

【技术特征摘要】
1.基于双Sigmoid复数连续神经网络的信号盲检测方法，其特征在于，包括如下步骤：步骤A，构造接收数据矩阵：接收端接收单个用户发送信号，经过过采样，获得离散时间信道的接收方程：XN＝SΓT式中，XN是接收数据阵，S是发送信号阵，Γ是由信道冲激响应hpp构成的块Toeplitz矩阵；(·)T表示矩阵转置；其中，M为信道阶数，L为均衡器阶数，N为所需数据长度；sL+M(k)＝[s(k),…,s(k-L-M)]T；其中，s∈{±1}，时刻k为自然数；hpp＝[h0,…,hM]q×(M+1)，pp＝0,1,…,M；q是过采样因子，取值为正整数；XN＝[xL(k),…,xL(k+N-1)]T是N×(L+1)q接收数据阵，其中xL(k)＝Γ·sL+M(k)；步骤B，接收数据矩阵奇异值分解：式中，(·)H是Hermitian转置；U是奇异值分解中的N×(L+M+1)酉基阵；0是(N-(L+M+1))×(L+1)q零矩阵；V是(L+1)q×(L+1)q酉基阵；Uc是N×(N-(L+M+1))酉基阵；D是(L+M+1)×(L+1)q奇异值阵；步骤C，设置权矩阵W＝IN-Q，其中IN是N×N维的单位阵，步骤D，首先设计新的激活函数应用于复数连续Hopfield型神经网络，证明新激活函数的可行性；然后为了提高系统收敛速度，在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构，构建新型双Sigmoid复数连续Hopfield型神经网，将新激活函数设计为第一个Sigmoid函数，第二个Sigmoid函数采用传统激活函数；所述双Sigmoid复数连续Hopfield型神经网络动态方程为：

【专利技术属性】
技术研发人员：于舒娟，陈少威，张昀，孟庆霞，梅可，梁颖，张治民，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32