[发明专利]一种基于幅相型离散多电平TCNN的MPSK盲检测方法

说明书

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。

技术领域

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

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,Aihara K.Chaotic simulated annealing by a neural network model withtransient chaos.Neural Networks.1995,8(6):915-930]中首次提出了暂态混沌神经网络(Transiently Chaotic Neural Network，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，但要牺牲时间复杂度。TCNN的这些优势决定了它有很高的研究价值，从而产生了很多改进算法和应用实例。

TCNN是由于存在混沌吸引子才导致其具有很强的全局搜索能力，并从理论上给出了证明，同时证明了TCNN在同步模式和异步模式下的稳定性。文献[Zhao Weirui,Lin Wei,Liu Rong song,eta1.Asymptotical stability in discrete time neural networks[J].IEEE Trans.Circuits Syst.I,2002,49(10):1516-152049]重新讨论了TCNN的稳定性，并重新定义了网络的权矩阵，与之前相比有所放宽。这使得TCNN具备了工程应用的基础。文献[冯迪，基于改进型Hopfield神经网络的盲检测新算法研究[D].南京邮电大学，2013.]探讨了TCNN网络参数对优化问题的影响，用于解决非线性函数优化问题。文献[丛爽.暂态混沌神经网络的算法改进及其在TSP中的应用[J].科技导报，2009，27(7):60-63]将暂态混沌神经网络和传统的启发式算法相结合，使用组合后的算法解决了旅行商问题，求解过程显示出了TCNN算法的优势。文献[冯迪，基于改进型Hopfield神经网络的盲检测新算法研究[D].南京邮电大学，2013.]分析了TCNN与Hopfield神经网络的特点，并进行了比较，并首次将TCNN应用到BPSK信号盲检测中。文献[刘欢.基于混沌Hopfield型神经网络的盲算法研究[D].南京邮电大学，2015]进一步研究了激活函数对TCNN算法的BPSK信号盲检测算法性能的影响，并以此入手提高了算法的性能。文献[修春波，刘向东，张宇河等.一种新的混沌神经网络及其应用[J].电子学报，2005，33(5)：868-870]在TCNN中引入了三角函数、高斯等扰动项，进一步增强了TCNN的性能，并成功应用于解决优化问题。文献[季奎明.改进的Hopfield型神经网络盲检测算法的研究[D].南京邮电大学，2016.]在此基础上提出了带扰动的混沌神经网络盲检测新算法，并在BPSK信号盲检测应用上取得了较好的效果。

TCNN算法在BPSK信号盲检测上的应用已经有了很深的研究，并且效果也比较好。多进制调制信号的先天优势决定了它比二进制调制信号有更好的应用前景，但是处理起来也更复杂。基于上述文献的思想，本发明提出一种基于幅相型离散多电平TCNN的MPSK盲检测方法，克服了MPSK信号盲检测中易陷入局部最优解和需要多个起点这些缺点。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于幅相型离散多电平TCNN的MPSK盲检测方法，具有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。