一种sine混沌神经网络信号盲检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113472709A(43)申请公布日2021.10.01(21)申请号202110584908.1(22)申请日2021.05.27(71)申请人南京邮电大学通达学院地址225000江苏省扬州市邗江区润扬南路33号(72)发明人吴锦文于舒娟张昀(74)专利代理机构南京经纬专利商标代理有限公司32200代理人朱小兵(51)Int.Cl.H04L25/03(2006.01)H04L1/00(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种sine混沌神经网络信号盲检测方法(57)摘要本发明公开一种sine混沌神经网络信号盲检测方法。所述方法在MC_CHNN模型中引入sine混沌神经网络，利用混沌吸引子实现全局搜索，采用多模聚类激活函数改进传统激活函数，从而实现sine混沌神经网络信号盲检测。本发明方法用于通信系统检测中，可以实现一种收敛速度更快、抗噪声能力更强、所需要的数据量长度更短、准确而又可靠的检测方法。CN113472709ACN113472709A权利要求书1/3页1.一种sine混沌神经网络信号盲检测方法，其特征在于，包括以下步骤：步骤A，构建网络MC_CHNN模型：MC_CHNN模型的动态方程为：zk+1＝rsin(πzk)r∈(0，1]2dk＝argmin||yi‑μj||j∈{1，2，…，16}式中s(k)表示神经网络的输入信号，是N×1的向量，N表示数据长度，k表示时刻；σ表示激活函数；W表示复数权矩阵，WH＝W，(·)H表示共轭转置；表示sine混沌映射函数的输出；表示加入混沌映射后的接收信号，是N×1的向量；r表示sine混沌映射函数的控制参数，r∈(0，1]；zk表示sine混沌映射函数的初始值；yi表示y(k)向量中的第i个数；μj表示复数标量；dk表示yi距离μj中各元素距离最短值；||·||2表示范数的平方；argmin||·||2表示取||·||2的最小值；步骤B，构建MC_CHNN能量函数：构造MC_CHNN的能量函数如下：E(k)＝Hhop+Hadd式中表示将复数向量s(k)的实部和虚部分别取出，拼接成一个维数为T2N×1的实数新向量；sR(k)表示s(k)的实部，sI(k)表示s(k)的虚部；k表示时刻；(·)表示转置；表示将复数矩阵W的实部和虚部分别取出，拼接成一个维数为2N×2N的实数新矩阵，WR表示W的实部，WI表示W的虚部；b＝(Δd)2＝4，表示相邻星座点间欧式距离的均方，Δd表示星座点之间欧式距离；j表示求和符号中的指针；N表示数据长度；表示向下取整，|·|表示绝对值，sRIj(k)表示sRI(k)中第j个元素；2CN113472709A权利要求书2/3页λ表示退火函数扰动参数，λ恒大于0；z表示sine混沌映射函数向量；步骤C，实现MC_CHNN的盲检测：步骤C‑1，定义单输入多输出的信号盲检测输出方程，具体形式为：式中，s(k‑j)表示16QAM的发送信号，是由复数向量构成的复数矩阵；x(k)是信号通过信道后的接收信号；q是过采样因子；M是信道阶数；j表示求和符号中的指针；h(j)表示信道冲击响应；v(k)是高斯白噪声；步骤C‑2，将定义单输入多输出的信号盲检测输出方程忽略噪声时，得出SIMO信道的接收方程：HXN＝SΓL(h)式中XN表示接收数据矩阵；S表示发送信号阵，由s(k)叠加到s(k‑N)构成，L是均衡器阶数，N是所需数据长度；ΓL(h)是由信道冲激响应h(j)构成的块Toeplitz矩阵；h表示信道；步骤C‑3，当ΓL(h)是列满秩矩阵时，对所述接收数据矩阵XN进行奇异值分解，具体形式为：式中(·)H表示共轭转置；U是奇异值分解中的N×(L+M+1)酉基阵，属于信号空间；0是维数为(N‑(L+M+1))×(L+1)q零矩阵，q表示过采样因子；V是维数为(L+1)q×(L+1)q的酉基阵；Uc是维数为N×(N‑(L+M+1))的酉基阵，属于噪声空间；D是维数为(L+M+1)×(L+1)q的奇异值阵；步骤C‑4，构造代价函数以及函数的优化问题，具体形式为：TJ0＝SQS式中Q是补投影算子，是奇异值分解中的酉基阵；3CN113472709A权利要求书3/3页J0表示代价函数；表示信号的估计值；步骤C‑5，利用MC_CHNN求解的盲检测问题，设置神经网络的连接矩阵，具体形式为：W＝[I‑Q]式中I表示单位矩阵；表示中括号。4CN113472709A说明书1/7页一种sine混沌神经网络信号盲检测方法技术领域[0001]本发明属于通信信号处理技术领域，提出一种sine混沌神经网络信号盲检测方法。背景技术[0002]在数字通信领域，文献[LiJ,FengDZ,LiB.Space‑