全反馈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CN106101035A(43)申请公布日2016.11.09(21)申请号201610382069.4(22)申请日2016.06.01(71)申请人四川东鼎里智信息技术有限责任公司地址610041四川省成都市高新区府城大道西段399号7栋1103号(72)发明人周琳陈林瑞(74)专利代理机构北京天奇智新知识产权代理有限公司11340代理人杨春(51)Int.Cl.H04L25/03(2006.01)G06N3/04(2006.01)权利要求书3页说明书6页附图1页(54)发明名称全反馈神经网络的信号盲检测方法(57)摘要为了提高全反馈神经网络中节点信号的处理速度，本发明提供了一种全反馈神经网络的信号盲检测方法，包括：根据全反馈神经网络的状态构造检测信号接收矩阵；对当前时刻的检测信号接收矩阵进行奇异值分解；根据所述奇异值分解结果以及当前时刻和前一时刻的检测信号接收矩阵构造反馈信号矩阵；对信号进行放大处理并进行迭代。本发明基于节点在不同时刻信号特征之间的比例进行变换，并利用待输入到多输入输出系统的输入信号的相位稳定性进行信号筛选，提高了建模的收敛速度，进而提高了对各节点输入输出信号的处理速度。CN106101035ACN106101035A权利要求书1/3页1.一种全反馈神经网络的信号盲检测方法，包括：(1)根据全反馈神经网络的状态构造检测信号接收矩阵；(2)对当前时刻的检测信号接收矩阵进行奇异值分解；(3)根据所述奇异值分解结果以及当前时刻和前一时刻的检测信号接收矩阵构造反馈信号矩阵；(4)对信号进行放大处理并进行迭代。2.根据权利要求1所述的全反馈神经网络的信号盲检测方法，其特征在于，所述步骤(1)包括：(11)根据全反馈神经网络的状态，在t时刻的状态，获得t时刻要输入到节点Ni的有效信号Si(t)以及t-1时刻输入到节点Ni的有效信号S'i(t-1)，所述有效信号表示在全反馈神经网络中的符合预定条件的信号传输路径中传输的信号，i＝1，2，…N，N为正整数；(12)计算各待处理信号Si(t)之间的对数比例，获得它们彼此之间的比例系数：K1:K2:K3:...:KN＝|lg(||S1(t)||)|:|lg(||S2(t)||)|:|lg(||S3(t)||)|:...:|lg(||SN(t)||)|(13)构造t时刻的检测信号接收矩阵A：(14)构造(t-1)时刻的检测信号接收矩阵B：其中K'1:K'2:K'3:...:K'N＝|lg(||S'1(t-1)||)|:|lg(||S'2(t-1)||)|:|lg(||S'3(t-1)||)|:...:|lg(||S'N(t-1)||)|。3.根据权利要求2所述的全反馈神经网络的信号盲检测方法，其特征在于，所述步骤(2)包括：对检测信号接收矩阵进行奇异值分解：A＝UDVH，其中U为A的行奇异向量，D为A的对角阵，VH为A的列奇异向量。4.根据权利要求3所述的全反馈神经网络的信号盲检测方法，其特征在于，所述步骤(3)包括：(31)获得各待处理信号Si(t)的相位信息矩阵P：2CN106101035A权利要求书2/3页其中Pi为与之对应的待处理信号Si(t)的相位信息，i＝1，2，…N，N为正整数；(32)对(t-1)时刻的检测信号接收矩阵B进行奇异值分解，获得其广义逆矩阵B'：(33)计算广义逆矩阵B'的秩α；(34)对相位信息矩阵P进行筛选：去掉相位信息矩阵P中Pi小于预设阈值的值，得到矩阵P＾；(35)计算相位信息矩阵P＾的秩β；(36)计算各待处理信号Si(t)的相位信息的比例：L1:L2:L3:...:LN＝||P1||:||P2||:||P3||:...:||PN||；(37)构造相位信息归一化对角矩阵I：其中ci表示相位信息矩阵P中Pi小于预设阈值的值的情况，且当相位信息矩阵P中Pi小于预设阈值的值时，ci＝0，否则ci＝||D||；(38)确定矩阵I的最大重特征值T，将其确定为优化问题的极值，进而计算Li与T之间的标准差Gi并以此标准差构造反馈比例矩阵G；(39)构造反馈信号矩阵F：5.根据权利要求4所述的全反馈神经网络的信号盲检测方法，其特征在于，所述步骤(4)包括：(41)根据反馈信号矩阵对接收矩阵信号进行反馈，得到待放大矩阵E：E＝A-F(42)确定信号放大比例m；(43)对待放大矩阵E进行放大，构造矩阵R'：R'＝m×E；(44)对矩阵R'进行反对数运算，得到供输入给多输入输出系统的信号矩阵Ri(t)(45)构造迭代函数f：其中表示取上整数。3CN106101035A权利要求书3/3页6.根据权利要求2所述的全反馈神经网络的信号盲检测方法，其特征在于，所述lg处理函数可以替换为ln处理函