基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法.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CN108768904A(43)申请公布日2018.11.06(21)申请号201810353005.0(22)申请日2018.04.19(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号申请人南京邮电大学南通研究院有限公司(72)发明人于舒娟张昀曹健杨杰李冰蕊张治民(74)专利代理机构南京苏科专利代理有限责任公司32102代理人姚姣阳(51)Int.Cl.H04L25/03(2006.01)H04L1/00(2006.01)权利要求书2页说明书7页附图5页(54)发明名称基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法(57)摘要基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，包括如下步骤：S1、获取单个HNN神经元的状态；S2、根据各HNN神经元的状态获取多个神经元使用权值相互连接得到的Hopfield神经网络结构，并计算其相对应的动态方程；S3、根据Hopfield神经网络结构的输出构建接收数据矩阵；S4、根据接收数据矩阵优化为幅值相位型离散Hopfield神经网络结构；S5、构建带扰动的幅相型离散Hopfield神经网络。本发明在Hopfiled神经网络的基础上将扰动因子加在权矩阵和激活函数之间，既继承了神经网络的所有优点且其收敛速度更快并不容易陷入局部最小，为无线通信网提供了准确且快速的信号盲检测方法。CN108768904ACN108768904A权利要求书1/2页1.基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，其特征在于，包括如下步骤：S1、获取单个HNN神经元的状态；S2、根据各HNN神经元的状态获取多个神经元使用权值相互连接得到的Hopfield神经网络结构，并计算其相对应的动态方程；S3、根据Hopfield神经网络结构的输出构建接收数据矩阵；S4、通过接收数据矩阵的分解分解得到Q矩阵，并配置Hopfield神经网络的权矩阵W＝[I-Q],为使盲检测中的优化函数的最小值与Hopfield能量函数中的最小值相对应；S5、构建带扰动的幅相型离散Hopfield神经网络，并验证其不易陷入局部最小值点。2.根据权利要求1所述的基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，其特征在于，所述步骤S1中，计算单个HNN神经元的状态方程为：y(t)＝σ(x(t))；其中y为输出，x为神经元的当前状态，w为连接权值，v为偏置，α为取常数的衰退因子，σ(x(t))为Sigmoid型激活函数。3.根据权利要求1所述的基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，其特征在于，所述步骤S2中，多个神经元使用权值相互连接得到的Hopfield神经网络结构的状态方程和输出方程分别为：yi(t)＝σi(xi(t)),i＝1,2,…,n；其中，αi为取常数的衰退因子，xi(t)为神经元的当前状态，yi(t)为输出，wij为神经元i与j之间的连接权值，si为常量；σi(xi(t))为Sigmoid型激活函数；Hopfield神经网络结构对应的动态方程为：s(k+1)＝σ(Ws(k))＝σ(y(k))；T共有N个神经元，则输入向量为s(k)＝[s1(k),s2(k),…,sN(k)]，则：N×N其中，wij为两个神经元sj与si之间的神经元联结权值，权矩阵W∈C，权矩阵等于自身的共轭转置，即WH＝W，激活函数的表达式为：其中，u为激活函数的输入部分，先将输入写成指数形式，au和分别是幅值和相角，令则为量化单位角，K为MPSK星座上的信号数，l＝0,1,…,(K-1)，当为8PSK信号，则K＝8，整个平面被平均分成8个扇区，每个扇区包含一个量化点zl,l＝0,1,…,7，扇区l内的任何输入经过激活函数的输出都为zl。2CN108768904A权利要求书2/2页4.根据权利要求1所述的基于带扰动的幅相型离散Hopfield神经网络的信号盲检测方法，其特征在于，所述步骤S3中，单输入多输出经过的采样接收方程为：其中，q为过采样因子，M为信道的阶数，x(k)为接收信号矩阵，s(k)为发送信号矩阵，v(k)为加性噪声，发送信号与加性噪声相互独立，则公式为：HXN＝SΓ；H其中，S＝[sL+M(k),…,sL+M(k+N-1)]＝[sN(k),…,sN(k-M-L)]N×(L+M+1)为发送信号阵，Γ为由hj,j＝0,1,…,M构成的维数为(L+1)q×(L+M+1)的块Toeplitz平滑矩阵，L是均衡器的H参数，[h0,…,hM]q×(M+1)为通信信道的冲激响应，(XN)N×(L+1)q＝[xL(k),...,xL(k+N-1)]为接收数据阵。5.根据权利要求4所述的