基于双Sigmoid复数连续神经网络的信号盲检测方法.pdf
Ja****20
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于双Sigmoid复数连续神经网络的信号盲检测方法.pdf
本发明提供了基于双Sigmoid复数连续神经网络的信号盲检测方法,所述方法设计了新的激活函数以减弱在0点周围对网络输入值的敏感度;利用新激活函数,在不影响收敛时间的前提下,误码率下降,改善了抗噪声能力;为了提高系统收敛速度,在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构,构建本发明双Sigmoid复数连续Hopfield型神经网,在相同的信噪比条件下,以状态向量和平衡点之间的距离范数为指标,本发明双Sigmoid复数连续Hopfield型神经网络算法比传统双Sigmoid神经网络收敛
基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法.pdf
本发明公开了基于双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X
基于复数连续全反馈神经网络的信号盲检测方法.pdf
本发明公开了一种基于复数连续全反馈神经网络的信号盲检测方法,该方法根据复数连续全反馈神经网络能量函数下降的原理,设计了复数连续激活函数可有效解决通信系统中绝大多数调制方式信号的盲检测问题。该激活函数数学表达形式简练,参数可灵活设置,不需任何修改即可无限延拓至任意复杂星座的全反馈神经网络信号盲检测问题。
基于复数Hopfield神经网络的盲信号检测的开题报告.docx
基于复数Hopfield神经网络的盲信号检测的开题报告一、研究背景盲信号检测是指在无先验信息的情况下,通过对接收信号的统计特性进行检测,判断是否存在信息。盲信号检测在无线通信、雷达、声纳等各个领域都有广泛的应用。近年来,基于神经网络的盲信号检测方法得到了广泛关注。Hopfield神经网络是一种能量函数网络,具有自组织性和自适应性。它的输入输出是二值化的,对于复数信号的处理效果较差。因此,将Hopfield神经网络扩展为复数形式,可以更好地处理复数信号。同时,为了提高网络的性能和鲁棒性,可以采用基于复数的H
基于复数离散全反馈神经网络的相移键控信号盲检测方法.pdf
本发明公开了基于复数离散全反馈神经网络的相移键控信号盲检测方法。该方法根据复数离散全反馈神经网络能量函数下降的原理,构造了能够直接检测相移键控信号的Hermitian权矩阵,使得MPSK信号集中的每个星座信号点都是Hopfield神经网络的一个稳定平衡点,从而实现MPSK信号的盲检测。本发明只需极短接收数据就可实现计算目标,能够适用于统计量无意义场合。搜索空间缩小,难度降低,搜索时间显著优于其他盲检测算法,系统性能得到了相应的提高。