一种非线性自反馈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CN106130689A(43)申请公布日2016.11.16(21)申请号201610416454.6(22)申请日2016.06.13(71)申请人南京邮电大学地址210023江苏省南京市亚东新城区文苑路9号(72)发明人张昀梅可季奎明于舒娟徐荣青杨恒新屈科谢娜(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.H04L1/00(2006.01)H04L25/03(2006.01)H04L27/00(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种非线性自反馈混沌神经网络信号盲检测方法(57)摘要本发明提出一种非线性自反馈混沌神经网络信号盲检测方法，使用非线性函数作为混沌神经网络的自反馈项，并将双Sigmoid函数运用到盲检测方法中，每次迭代时，首先进入混沌神经网络，然后再进入第二个激活函数。由于混沌神经网络具有可以避免陷于局部最优的优点，所以本发明继承了混沌神经网络这一特点，提高了盲检测性能；并且，与线性自反馈项的混沌神经网络相比，非线性自反馈混沌神经网络具有更为复杂的动力学行为，使网络的内部状态具有更为高效的混沌搜索能力和搜索效率。本发明方法，在同等条件下，抗噪性能优于传统的Hopfield信号盲检测方法。CN106130689ACN106130689A权利要求书1/2页1.一种非线性自反馈混沌神经网络信号盲检测方法，其特征在于，其步骤如下：步骤A，构造接收数据矩阵：接收端接收单个用户发送信号，经过过采样，获得离散时间信道的接收方程：TXN＝SΓ式中，XN是接收数据阵，S是发送信号阵，Γ是由信道冲激响hjj构成的块Toeplitz矩阵；(·)T表示矩阵转置；其中，M为信道阶数，L为均衡器阶数，N为所需数据长度；TsL+M(k)＝[s(k),…,s(k-L-M)]；其中，s∈{±1}，时刻k为自然数；hjj＝[h0,…,hM]q×(M+1)，jj＝0,1,…,M；q是过采样因子，取值为正整数；TXN＝[xL(k),…,xL(k+N-1)]是N×(L+1)q接收数据阵，其中xL(k)＝Γ·sL+M(k)；步骤B，接收数据矩阵奇异值分解：式中，(·)H是Hermitian转置；U是奇异值分解中的N×(L+M+1)酉基阵；0是(N-(L+M+1))×(L+1)q零矩阵；V是(L+1)q×(L+1)q酉基阵；Uc是N×(N-(L+M+1))酉基阵；D是(L+M+1)×(L+1)q奇异值阵；步骤C，设置权矩阵W＝IN-Q，其中IN是N×N维的单位阵，步骤D，将Chen’s混沌神经网络中的线性自反馈项改为非线性自反馈项，为了加快系统收敛速度使用双Sigmoid结构；双Sigmoid非线性自反馈混沌神经网络动态方程为：xi(t)＝σ(yi(t))zi(t+1)＝(1-β)zi(t)对该方程进行迭代运算，然后把每次迭代的结果代入双Sigmoid非线性自反馈混沌神经网络的能量函数E(t)中，当该能量函数E(t)达到最小值，即yi(t)＝yi(t-1)时，该双Sigmoid非线性自反馈混沌神经网络达到平衡，迭代结束；其中，yi(t)为神经网络中第i个神经元的内部状态；i代表第i个神经元，j代表第j个神经元，i≠j，且i、j为区间[0,N]内任意的整数；t为神经网络迭代过程运行的时间，该神经网络中的连续时间t和离散时间k通过欧拉公式实现转换；2CN106130689A权利要求书2/2页ε为该网络的衰减因子，且0≤ε≤1；wij为该网络中神经元j到神经元i的互联权值，并且wij＝wji；α为该网络的耦合因子；Ii为第i个神经元的偏置，I0是初始神经元偏置；zi(t)为第i个神经元的自反馈连接权值，λ为神经元间衰减因子，且λ>0，β为变量zi(t)的衰减因子；xi(t)为第i个神经元的输出；该神经网络达到最后平衡时，可近似认为每个神经元的xi(t)＝yi(t)，xi(t)即为求取的发送信号；σ(.)为该神经网络的第一个Sigmoid激活函数，f(.)为该神经网络的第二个Sigmoid激活函数；并且：σ(s)＝tanh(c·s)其中，s为神经网络的输入，c是激活函数的内置调整参数，f(.)的导数远小于σ(.)的导数；g(.)为该神经网络的非线性自反馈项：g(s)＝tanh(s)所述双Sigmoid非线性自反馈混沌神经网络的能量函数E(t)为：E(t)＝Ehopfield+Eadd其中：该混沌神经网络由N个神经元构成；E(t)为能量函数，该能量函数由Ehopfield和Eadd两部分组成，Ehopfield为普通Hopfield神经网络的能量函数项，Eadd为双Sigmoid非线性自反馈混沌神经网络能量函数的附加能量项