基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法技术

技术编号:19026682 阅读:64 留言:0更新日期:2018-09-26 19:56
本发明专利技术公开了基于双Sigmoid迟滞噪声混沌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SS1:构造接收数据矩阵XN;步骤SS2:对所述接收数据矩阵XN进行奇异值分解;步骤SS3:设置权矩阵W;步骤SS4:选择双Sigmoid迟滞混沌神经网络的激活函数,进行双Sigmoid迟滞混沌神经网络迭代运算,然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中,当所述能量函数E(t)达到最小值,则所述双Sigmoid迟滞噪声混沌神经网络达到平衡,迭代结束。本发明专利技术首次利用双Sigmoid混沌神经网络和迟滞噪声构成了一个双Sigmoid迟滞噪声混沌神经网络,增强了网络的优化性能,提高了网络优化解的质量,本发明专利技术的抗噪性能和收敛速度优于传统的Hopfield信号盲检测算法。

【技术实现步骤摘要】
基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法
本专利技术涉及基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法,属于无线通信信号处理及神经网络

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。所谓盲检测是指仅利用接受信号本身便能够检测出发送信号,从而消除信号间干扰(ISI)以提高信息传输速率和可靠性。为解决改善遗传、蚁群、免疫、微粒群等多种智能算法引起的信号传输质量差和抗干扰能力差的问题,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中高速数据传输的要求。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[YangS,LeeCM,HBP:improve本文档来自技高网...

【技术保护点】
1.基于双Sigmoid迟滞噪声混沌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SS1:构造接收数据矩阵XN;步骤SS2:对所述接收数据矩阵XN进行奇异值分解;步骤SS3:设置权矩阵W;步骤SS4:选择双Sigmoid迟滞混沌神经网络的激活函数,进行双Sigmoid迟滞混沌神经网络迭代运算,然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中,当所述能量函数E(t)达到最小值,则所述双Sigmoid迟滞噪声混沌神经网络达到平衡,迭代结束。

【技术特征摘要】
1.基于双Sigmoid迟滞噪声混沌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SS1:构造接收数据矩阵XN;步骤SS2:对所述接收数据矩阵XN进行奇异值分解;步骤SS3:设置权矩阵W;步骤SS4:选择双Sigmoid迟滞混沌神经网络的激活函数,进行双Sigmoid迟滞混沌神经网络迭代运算,然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中,当所述能量函数E(t)达到最小值,则所述双Sigmoid迟滞噪声混沌神经网络达到平衡,迭代结束。2.根据权利要求1所述的基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法,其特征在于,所述步骤SS1具体包括: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是接收数据矩阵,S是发送信号矩阵,Γ是由信道冲激响hjj构成的块Toeplitz矩阵;(·)T表示矩阵转置。3.根据权利要求2所述的基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法,其特征在于,所述步骤SS1中的所述发送信号矩阵S为:S=[sL+M(k),L,sL+M(k+N-1)]T=[sN(k),L,sN(k-M-L)]N×(L+M+1),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),L,s(k-L-M)]T;其中,s∈{±1},时刻k为自然数;所述步骤SS1中的所述信道冲激响hjj为:hjjhjj=[h0,L,hM]q×(M+1),其中,jj=0,1,L,M,q是过采样因子,取值为正整数;所述步骤SS1中的所述接收数据矩阵XN为:XN=[xL(k),L,xL(k+N-1)]T是N×(L+1)q接收数据矩阵,其中xL(k)=Γ·sL+M(k)。4.根据权利要求1所述的基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法,其特征在于,所述步骤SS2具体包括:对所述接收数据矩阵XN进行奇异值分解,即:式中,(·)H是Hermitian转置;U是奇异值分解中的N×(L+M+1)酉矩阵;0是(N-(L+M+1))×(L+1)q零矩阵;V是(L+1)q×(L+1)q酉矩阵;Uc是N×(N-(L+M+1))酉矩阵;D是(L+M+1)×(L+1)q奇异值矩阵。5.根据权利要求1所述的基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法,其特征在于,所述步骤SS3中的所述设置权矩阵W具体包括:设置权矩阵W=IN-Q,其中IN是N×N维的单位阵,Uc是N×(N-(L+M+1))酉矩阵。6.根据权利要求1所述的基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法,其特征在于,所述步骤SS4具体包括:所述双Sigmoid迟滞噪声混沌神经网络动态方程为:xi(t)=σ(yi(t));zi(t+1)=(1-β1)zi(t);A[n(...

【专利技术属性】
技术研发人员:张昀于舒娟李冰蕊陈少威杨杰曹建
申请(专利权)人:南京邮电大学南京邮电大学南通研究院有限公司
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 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。

1