基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法技术方案

本发明专利技术涉及一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，本方法首先给出反馈电源偏置DTCS复RNN神经网络结构；然后为实现多值QAM盲均衡的DTCS反馈电压偏置复RNN型神经网络的动态方程配置；进而配置好反馈网络的权矩阵；最后获取到偏置因子ρ。通过引入反馈电压偏置即不脱离传统RNN神经网络模型又使得网络的物理实现更为简单，且能有效满足多值信号检测时所需的搜索空间变大的特殊要求。

【技术实现步骤摘要】
基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法
本专利技术涉及无线光通信的信号处理
，特别是无线激光通信发射与接收机之间的信道具有衰落特性情况下，采用基于输出反馈偏置型复连续反馈神经网络实现无线光通信系统电域盲均衡的方法。
技术介绍
脉冲幅度调制(PAM，PulseAmplitudeModulation)，特别是开关键控已经是光通信系统主要的调制方案，差分正交相移键控(DQPSK，DifferentialQuadraturePhaseShift)调制格式在光传输技术中获得良好的应用。近年来，备受关注的八进制差分正交相移键控(8DPSK)则是在DQPSK基础上的多进制调制，它在一个码元周期内可传输3比特信息，具有较DQPSK更低的码元速率和更高的频谱利用率，可以预计光通信系统中的调制格式密集化，如正交幅度调制(QAM，QuadratureAmplitudeModulation)将是未来的一个研究重点。考虑到基于人工神经网络的QPSK盲均衡/检测方法并不少见。但是，目前基于人工神经网络(ANN，ArtificialNeuralNetwork)的信号盲处理方法，多是基于传统代价函数的方法，即首先选择一种ANN结构，利用或结合传统盲处理代价函数，然后根据代价函数确定权值的递推方程。其本质而言，依旧是传统均衡方法的代价函数在发挥效用。此类方法或无法减少算法对数据量的过多依赖，或运算负担相当沉重。反馈型神经网络(RNN，RecurrentNeuralNetwork)，以其结构简单，动力学特性丰富，便于硬件电路实现等优点已有很多成功的应用，现在其应用领域还在不断地得到发展和拓宽。但是在通信特别是光通信信号盲处理领域的应用研究目前还刚刚起步。
技术实现思路
本专利技术的目的在于为了克服现有基于人工神经网络的信号盲处理方法或无法减少算法对数据量的过多依赖，或运算负担相当沉重的缺陷而公开了一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法。为了实现上述目的，本专利技术公开了一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，其特征包括如下步骤：第一步：建立反馈电源偏置DTCS(DiscreteTimeContinuousState，离散时间连续状态)复RNN(RecurrentNeuralNetwork，反馈型神经网络)神经网络结构所述反馈电源偏置DTCS复RNN神经网络结构在t时刻第j个神经元输入输出的RNN神经网络，假设该网络具有N个突触输入，该结构中第j个突触输入sj(t)与其权值wij进行乘法运算，和其它N-1个突触输入si(t)，i＝1，2，…，N，i≠j与它们各自的权值wji，i＝1，2，…，N，i≠j进行乘法运算后的值联合进行电流和作用后获得连接权值输出然后网络神经输出sj(t+τ)经过时间τ延迟后作为反馈偏置电源与偏置因子ρ相乘之后再与上述连接权值输出相加获得激活函数输入该输入经过激活函数f(·)非线性映射后获得神经输出sj(t+τ)；忽略中间神经元传播时延τ，由基尔霍夫电流定理可写出第j个神经元的动态方程其中：Rj为漏泄阻抗，Cj为漏泄电容，wji为电导，uj(t)表示第j个神经元激活函数输入电压，ui(t)表示第i个神经元激活函数的输入电压，i＝1，…，N；si(t)表示电势，i＝1，…，N，θj(t)表示偏置，新模型中θj(t)＝sj(t)，ρ为反馈电导，N表示网络神经元总数；第二步为实现多值QAM系统盲均衡的DTCS反馈电压偏置复RNN型神经网络的动态方程配置假设网络具有N个互连接节点，忽略中间神经元传播时间延迟，并作如下定义神经元输出向量激活函数算子矩阵上标T表示向量转置运算，连接权矩阵且有WH＝W，TRC为主对角元素由τj＝Cj，j＝1，2，…，N组成的对角实矩阵，C表示复数域，得到如下反馈神经网络模型其中，u和s均为时间的函数；假设激活函数f(z)逆函数存在，记为f-1(z)，则u＝f-1(s)；在网络平衡点处必有所以有u＝Ws+θ，将时间进行离散化，并用k代表第k时刻，上式可以用松弛法继续求解，松弛方程为f-1(s(k+1))＝Ws(k)，则有s(k+1)＝f(Ws(k)+θ)(4)所述W＝UUH(5)其中：U是XN奇异值分解中的酉阵，ρ∈[0.08，0.28]。本方法充分利用了神经网络神经元联合作用，通过多神经元集群非线性动力学作用，利用接收信号奇异值分解而得的酉基矩阵构造RNN网络的权值矩阵，从而仅依赖小数据量达到快速收敛；同时该方法通过多阈值非线性激活函数的作用，一方面起到了输出信号判决的作用，另一方面，非线性激活函数等效在系统中引入了动态噪声(DynamicNoiseInject)，该动态噪声的引入使得系统在陷入局部极小点时可快速恢复到正常系统秩序，而且可使得系统从自身的错误中恢复回正常系统，这样使得方法的健壮性也得到了一定程度的加强。下面结合附图进一步详细说明。附图说明图1本专利技术反馈电源偏置型RNN神经网络单个神经元输入输出示意图。图2是本专利技术三神经元反馈神经网络(RNN)，在一种W情况下的相轨迹。图3是本专利技术三神经元反馈神经网络(RNN)，在另一种W情况下的相轨迹。图4是本专利技术N＝640，不同ρ值时的BER曲线。具体实施方式基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，包括如下步骤：第一步反馈电源偏置DTCS复RNN神经网络结构不失一般性，考虑实RNN神经网络，在t时刻第j个神经元输入输出如图1所示的RNN神经网络，这里将其命名为反馈偏置型RNN神经网络(时间未离散化)。假设该网络具有N个突触输入，该结构中第j个突触输入sj(t)与其权值wjj进行乘法运算，和其它N-1个突触输入si(t)，i＝1，2，…，N，i≠j与它们各自的权值wji，i＝1，2，…，N，i≠j进行乘法运算后的值联合进行电流和(Current-summing)作用后获得连接权值输出然后网络神经输出经过sj(t+τ)经过时间τ延迟后作为反馈偏置电源与偏置因子ρ相乘之后再与上述连接权值输出相加获得激活函数输入该激活函数输入经过激活函数f(·)非线性映射后获得神经输出sj(t+τ)。忽略中间神经元(Interneuron)传播时延τ，由基尔霍夫(Kirchoff)电流定理可写出第j个神经元的动态方程其中：Rj为漏泄阻抗，Cj为漏泄电容，wji为电导(Conductance)，uj(t)表示第j个神经元激活函数输入电压，ui(t)表示第i(i＝1，…，N)个神经元激活函数的输入电压，si(t)，i＝1，…，N表示电势(Potential)，θj(t)表示本文档来自技高网...

【技术保护点】
一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，其特征包括如下步骤：第一步：建立反馈电源偏置DTCS复RNN神经网络结构所述反馈电源偏置DTCS复RNN神经网络结构在t时刻第j个神经元输入输出的RNN神经网络，假设该网络具有N个突触输入，该结构中第j个突触输入sj与其权值wjj进行乘法运算和与其它N?1个突触输入si(t)，i＝1，2，…，N，i≠j与它们各自的权值wji，i＝1，2，…，N，i≠j进行乘法运算后的值联合进行电流和作用后获得连接权值输出然后网络神经输出经过sj(t+τ)经过时间τ延迟后作为反馈偏置电源与偏置因子ρ相乘之后再与上述连接权值输出相加获得激活函数输入该激活函数输入经过激活函数f(·)非线性映射后获得神经输出sj(t+τ)；忽略中间神经元传播时延τ，由基尔霍夫电流定理可写出第j个神经元的动态方程Cjdujdt=-1Rjuj+Σi=1Nwjisj+ρθjsj=f(uj)---(1)其中：Rj为漏泄阻抗，Cj为漏泄电容，wji为电导，uj表示激活函数输入电压，sj表示电势，θj表示偏置，新模型中θj＝sj，ρ为反馈电导，N表示表示网络神经元总数；第二步为实现多值QAM系统盲均衡的DTCS反馈电压偏置复RNN型神经网络的动态方程配置假设网络具有N个互连接节点，忽略中间神经元传播时间延迟，并作如下定义u：＝[u1，u2，…，uN]T∈□N，神经元输出向量s：＝[s1，s2，…，sN]T∈□N，激活函数算子矩阵f(u)：＝[f(u1)，f(u2)，…，f(u1N)]T∈□N，θ：＝[θ1，θ2，…，θN]T＝ρ·[s1，s2…，sN]T∈□N，连接权矩阵且有WH＝W，TRC为主对角元素由τj，j＝1，2，…，N组成的对角实矩阵，得到如下反馈神经网络模型TRCdudt=-u+Ws+θs=f(u)---(3)其中，u和s均为时间的函数；假设激活函数f(z)逆函数存在，记为f?1(z)，则u＝f?1(s)；在网络平衡点处必有所以有u＝Ws+θ，将时间进行离散化，并用k代表第k时刻，上式可以用松弛法继续求解，松弛方程为f?1(s(k+1))＝Ws(k)，则有s(k+1)＝f(Ws(k)+θ)????????????????????????????????????(4)所述W＝UUH?????????????????????????????????????????????(5)其中：U是XN奇异值分解XN=[U,Uc]·D0·VH中的(N×(L+M+1))酉阵，所述ρ∈[0.08，0.28]。FSA00000827803600011.tif,FSA00000827803600012.tif,FSA00000827803600021.tif,FSA00000827803600023.tif...

【技术特征摘要】
1.一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，其特征包括如下步骤：第一步：建立反馈电源偏置DTCS复RNN神经网络结构所述反馈电源偏置DTCS复RNN神经网络结构在t时刻第j个神经元输入输出的RNN神经网络，假设该网络具有N个突触输入，该结构中第j个突触输入sj(t)与其权值wjj进行乘法运算，和其它N-1个突触输入si(t)，i＝1，2，…，N，i≠j与它们各自的权值wji，i＝1，2，…，N，i≠j进行乘法运算后的值联合进行电流和作用后获得连接权值输出然后网络神经输出sj(t+τ)经过时间τ延迟后作为反馈偏置电源与偏置因子ρ相乘之后再与上述连接权值输出相加获得激活函数输入该输入经过激活函数f(·)非线性映射后获得神经输出sj(t+τ)；忽略中间神经元传播时延τ，由基尔霍夫电流定理可写出第j个神经元的动态方程其中：Rj为漏泄阻抗，Cj为漏泄电容，wji为电导...

【专利技术属性】
技术研发人员：阮秀凯，李昌，谈燕花，张耀举，蔡启博，
申请(专利权)人：温州大学，
类型：发明
国别省市：