一种基于幅相型离散多电平TCNN的MPSK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CN108540269A(43)申请公布日2018.09.14(21)申请号201810347978.3H04L27/00(2006.01)(22)申请日2018.04.18H04L27/34(2006.01)(71)申请人南京邮电大学地址210003江苏省南京市栖霞区文苑路9号申请人南京邮电大学南通研究院有限公司(72)发明人于舒娟张昀杨杰曹健李冰蕊张治民(74)专利代理机构南京纵横知识产权代理有限公司32224代理人董建林(51)Int.Cl.H04L1/00(2006.01)H04L12/24(2006.01)H04L25/03(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于幅相型离散多电平TCNN的MPSK盲检测方法(57)摘要本发明公开了一种基于幅相型离散多电平TCNN的MPSK盲检测方法，基于暂态混沌神经网络的全局搜索能力，并利用混沌动力学行为进行全局优化，从而克服了幅相型离散多电平Hopfield神经网络在解决MPSK信号盲检测中易陷入局部最优解和需要多个起点的缺点。CN108540269ACN108540269A权利要求书1/2页1.一种基于幅相型离散多电平TCNN的MPSK盲检测方法，其特征是，包括以下步骤：步骤S1，构建幅相型离散TCNN模型：幅相型离散TCNN模型的动态方程为：θy＝angle(yi(k))(2)θx＝σ(θy)(3)zi(k+1)＝(1-β)zi(k)(5)其中，式(1)为网络模型的具体动态方程，y表示神经网络的输出，x表示神经元当前状态，wij为神经元yj与yi间的连接权值，γ是扰动系数，α'为耦合因子，λ表示神经元的衰减因子，zi(k)为自反馈连接项；式(2)用来计算相位角；式(3)表示激活函数，输入输出都是相位；式(4)为欧拉幅角公式；式(5)为退火函数，β为模拟退火参数；步骤S2，配置权值矩阵；幅相型离散TCNN模型的权矩阵形式如下W＝I-Q(7)式中Q为正交矩阵，表示补投影算子，Uc是x(k)通过奇异值分解得到，I表示单位矩阵；步骤S3，构建能量函数；其中，wij为神经元yj与yi间的连接权值，Ii是第i个神经元的偏置，τ表示正的常数，f是激活函数且有xi(t)＝f(yi(t))，yi为第i个神经元的内部状态；EH是为附加项，它的形式与混沌神经网络的具体结构有关；步骤S4，求解幅相型离散TCNN神经网络实现MPSK信号的盲检测。2.根据权利要求1所述的一种基于幅相型离散多电平TCNN的MPSK盲检测方法，其特征是，定义激活函数式(3)的具体形式为：其中，K表示MPSK信号星座图的信号数，θs表示MPSK信号的量化单位角度数。3.根据权利要求2所述的一种基于幅相型离散多电平TCNN的MPSK盲检测方法，其特征2CN108540269A权利要求书2/2页是，将激活函数式(6)近似拟合为一段光滑的曲线，使函数在定义域上处处可导，此拟合函数可表示为如下的连续形式：其中μ为正数。4.根据权利要求3所述的一种基于幅相型离散多电平TCNN的MPSK盲检测方法，其特征是，若信号为8PSK信号，则K＝8，n＝4。5.根据权利要求3所述的一种基于幅相型离散多电平TCNN的MPSK盲检测方法，其特征是，μ为正数，其取值越接近于0，式(8)与式(6)就越接近。6.根据权利要求1所述的一种基于幅相型离散多电平TCNN的MPSK盲检测方法，其特征是，式(2)到式(4)的整个过程表示网络模型的激活函数：令其中ρ1,ρ2,…,ρN是yi(k),i＝1,2,…,N对应的模。3CN108540269A说明书1/6页一种基于幅相型离散多电平TCNN的MPSK盲检测方法技术领域[0001]本发明涉及无线通信信号处理及神经网络技术领域，尤其是涉及基于暂态混沌神经网络的信号盲检测方法。背景技术[0002]从上个世纪七十年代开始，混沌理论得到了研究人员的关注，到目前为止，人们基于此提出了各种各样的混沌神经网络模型，并应用到了很多实际问题当中。暂态混沌神经网络实际上就是在Hopfield神经网络算法中引入了模拟退火机制。Chen等人在文献[ChenL,AiharaK.Chaoticsimulatedannealingbyaneuralnetworkmodelwithtransientchaos.NeuralNetworks.1995,8(6):915-930]中首次提出了暂态混沌神经网络(TransientlyChaoticNeuralNetwork，简称TCNN)的概念，并指出其具有很强的全局搜索能力，同时证明了TCNN在同步模式和异步模式下的稳定性。TCNN相比于Hopfield神经网络最明显的优势是可以获得更高质量的解，