[發明專利]基于雙Sigmoid混沌神經網絡的信號盲檢測方法

有效

• 申請號: 201410082143.1
• 申請日: 2014-03-07
• 公開（公告）號: CN103888391B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 于舒娟;張昀;宦如松;張振洲;劉歡;胡蓉;于大為;李瑞翔;夏祎
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L25/03
• 分類號: H04L25/03
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 朱小兵

1.基于雙Sigmoid混沌神經網絡的信號盲檢測方法，其特征在于，包括如下步驟：

步驟A，構造接收數據矩陣：

接收端接收單個用戶發送信號，經過過采樣，獲得離散時間信道的接收方程：

X_N=SΓ^T

式中，X_N是接收數據陣，S是發送信號陣，Γ是由信道沖激響h_jj構成的塊Toeplitz矩陣；(·)^T表示矩陣轉置；

其中，發送信號陣：

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為信道階數，L為均衡器階數，N為所需數據長度；

s_L+M(k)=[s(k),…,s(k-L-M)]^T;其中，s∈{±1}，時刻k為自然數；

h_jj=[h₀,…,h_M]_q×(M+1)，jj=0,1,…,M；

q是過采樣因子，取值為正整數；

X_N=[x_L(k),…,x_L(k+N-1)]^T是N×(L+1)q接收數據陣，

其中x_L(k)=Γ·s_L+M(k);

步驟B，接收數據矩陣奇異值分解：

XN=[U,Uc]·D0·VH]]>

式中，

(·)^H是Hermitian轉置；

U是奇異值分解中的N×(L+M+1)酉基陣；

0是(N-(L+M+1))×(L+1)q零矩陣；

V是(L+1)q×(L+1)q酉基陣；

U_c是N×(N-(L+M+1))酉基陣；

D是(L+M+1)×(L+1)q奇異值陣；

步驟C，設置權矩陣W=I_N-Q，其中I_N是N×N維的單位陣，

步驟D，選擇雙Sigmoid混沌神經網絡的激活函數，進行雙Sigmoid混沌神經網絡迭代運算；

雙Sigmoid混沌神經網絡動態方程為：

d(s(t))dt=f(ks(t)+α(Wy(t)-z(t)y(t))]]>

dz(t)dt=-β]]>

y(t)=σ(s(t))

對該方程進行迭代運算，然后把每次迭代的結果代入雙Sigmoid混沌神經網絡的能量函數E(t)中，當該能量函數E(t)達到最小值，即y(t)=y(t-1)時，該雙Sigmoid混沌神經網絡達到平衡，迭代結束；

其中，

s(t)為雙Sigmoid混沌神經網絡N個神經元構成的向量，且s_i(t)為發送數據陣的列向量，i代表第i個神經元，0≤i≤N；t為網絡迭代過程中運行的時間，該網絡中的連續時間t和離散時間k通過歐拉公式實現轉換；

σ(.)為神經元的第一個Sigmoid函數，f(.)為神經元的第二個Sigmoid函數；

k為該網絡的衰減因子，W為雙Sigmoid混沌神經網絡的網絡權矩陣，α為該網絡的尺度參數；

z(t)為隨著網絡的迭代循環而逐漸變小的變量，β為z(t)的下降導數；

y(t)為N個神經元的輸出yi(t)構成的向量，該網絡達到最后平衡時，可近似的認為每個神經元的y_i(t)=s_i(t)，y(t)即為求取的發送信號。