[发明专利]一种基于迟滞全反馈神经网络的信号盲检测方法

摘要

本发明提出了一种基于迟滞全反馈神经网络的信号盲检测方法，所述方法前后两次循环所用的迟滞激活函数正好构成一个迟滞环，既保证了网络的稳定性又使得网络表现出较好的灵活性，在全反馈神经网络中使用该方法有效避开了伪平衡点的吸引域，提高了盲检测性能；无论是在同步更新模式还是在异步更新模式下，本发明基于迟滞全反馈神经网络的信号盲检测方法的误码性能都优于传统的Hopfield信号盲检测算法。

主权项

1.一种基于迟滞全反馈神经网络的信号盲检测方法，其特征在于，所述方法包括如下步骤：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：X_N=SΓ^T式中，X_N是接收数据阵，S是发送信号阵，Γ是由信道冲激响应h_jj构成的块Toeplitz矩阵；(·)^T表示矩阵转置；其中，发送信号阵：S=[s_L+M(k),…,s_L+M(k+N-1)]^T=[s_N(k),…,s_N(k-M-L)]_N×(L+M+1)，M为信道阶数，L为均衡器阶数，N为所需数据长度；s_L+M(k)=[s(k),…,s(k-L-M)]^T；其中，s∈{±1}，时刻k为自然数；h_jj=[h₀,…,h_M]_q×(M+1)，jj=0,1,…,M；q是过采样因子，取值为正整数；X_N=[x_L(k),…,x_L(k+N-1)]^T是N×(L+1)q接收数据阵，其中x_L(k)=Γ·s_L+M(k)；步骤B，接收数据矩阵奇异值分解：XN=[U,Uc]·D0·VH]]>式中，(·)^H表示矩阵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；U_c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=I_N-Q，其中I_N是N×N维的单位阵，步骤D，神经网络动力学迭代及迟滞激活函数设置：迟滞全反馈神经网络动力学方程为：s(k+1)=f(Ws(k))=f(y(k))对该方程进行迭代，直到s(k+1)=s(k)；其中，f(·)为迟滞激活函数；y(k)是由标量y_i(k)构成的向量，其中，w_ij为权矩阵W中的元素，表示从神经元i到神经元j的联结权值，i和j为小于等于N的正整数；s_j(k)为k时刻第j个神经元的输入信号，动力学方程最后平衡时得到的s_j(k)即为求取的发送信号。