基于复数连续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*CN102035609A*(12)发明专利申请(10)申请公布号CN102035609A(43)申请公布日2011.04.27(21)申请号201010589006.9(22)申请日2010.12.15(71)申请人南京邮电大学地址210003江苏省南京市新模范马路66号(72)发明人张志涌阮秀凯张昀(74)专利代理机构南京经纬专利商标代理有限公司32200代理人叶连生(51)Int.Cl.H04B17/00(2006.01)H04L27/34(2006.01)权利要求书2页说明书7页附图2页(54)发明名称基于复数连续全反馈神经网络的信号盲检测方法(57)摘要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。CN1023569ACCNN110203560902035612A权利要求书1/2页1.一种基于复数连续全反馈神经网络的信号盲检测方法，其特征是：利用复多阈值连续复激活函数，采用动力学方程，构造复数连续全反馈神经网络，实现多进制信号的盲检测，该方法具体步骤如下：①.接收端接获得连续时间信道的接收方程：HXN＝SГT式中，S＝[sL+P(t)，…，sL+P(t+N-1)]＝[sN(t)，…，sN(t-P-L)]N×(L+P+1)是发送信号T阵，P为信道阶数，L为均衡器阶数，N为所需数据长度；sL+P(t)＝[s(t)，…，s(t-L-P)]；s属于集合A，A为任意调制信号数字星座图的实部和虚部的幅度集合，Г是由hjj，jj＝0，1，…，P构成的块Toeplitz矩阵，hjj＝[h0，…，hP]q×(P+1)是信道冲激响应；q是过采样因HTT子；(·)表示共轭转置；(·)表示转置；(XN)N×(L+1)q＝[xL(t)，…，xL(t+N-1)]是接收数据阵，其中xL(t)＝Г·sL+P(t)；②.构造的性能函数及优化问题其中，表示信号的估计值，其每个元素都属于对应星座点所属字符集合；Г满列秩时，一定有满足QsN(t-d)＝0，d＝0，…，K+L，这里U是奇异值分解中的酉基阵；0是零矩阵，V和Uc均是酉基阵；D是奇异值阵；因此，盲检测问题就转化为的全局最优解问题；由于复数连续全反馈神经网络能量函数的平衡点就是优化问题对应的极值点，将检测信号的优化问题映射到能量函数，可设置权矩阵W＝1.1(I-Q)；③.根据先验获得通信系统的调制方式，获得发送信号所属字符集信息，得到单个神经元输入所属字符集可能的最大值为G，则单个神经元激活函数如下：g(x)＝σ(αx+βsin(απx))这里x表示单个神经元的输入，α，β为实因子，sin(·)为正弦三角函数，π是圆周率，为满足平台激活函数的单调性和准确的阶梯平台高度以适应通信信号，设置α＝1，1/4≤β≤1/π，σ(v)为如下式形式的阈值函数；v是自变量，根据单个神经元激活函数，设计复激活函数形式表示如下f(u)＝fR(uR，uI)+i·fI(uR，uI)这里，fR、fI分别表示f(u)的实部和虚部，uR和uI分别表示变量u的实部和虚部；假设所有神经元均具有相同形式的复激活函数，且fR(·)和fI(·)具有相同的解析函数形式，设计多阈值连续复激活函数：fR(uR，uI)＝σ(αuR+βsin(απuR))fI(uR，uI)＝σ(αuI+βsin(απuI))记σ(·)为由激活函数所构成的非线性算子，2CCNN110203560902035612A权利要求书2/2页④.不论待检测信号隶属于何种数字调制方式，均可采用统一的时间离散化连续型全反馈神经网络动力学方程s(k+1)＝sR(k+1)+i·sI(k+1)＝(Wf(s(k)))R+i·(Wf(s(k)))I进行迭代，直到s(k+1)＝s(k)；k表示迭代次数，f(·)为非线性激活函数算子，(·)R和(·)I分别为取实部和虚部运算。3CCNN110203560902035612A说明书1/7页基于复数连续全反馈神经网络的信号盲检测方法技术领域[0001]本发明涉及无线通信信号处理领域及神经网络领域，尤其是涉及无线通信网络的接收系统的信号盲检测领域。背景技术[0002]在数字通信传输中，由于时延扩展和信道带宽限制，接收信号中的一个码元的波形会扩展到其他码元周期中，引起符号间干扰。使得信号传输速率的极大提高及无线传输信道的时变特性增强，这就对盲检测技术提出了新的技术要求，盲检测算法需要具有仅使用较短的数据块就能够消除符号间干扰，以对抗信道的时变特性。已有的性能较为优