[发明专利]利用回声状态网络预测混沌基带无线通信解码阈值的方法

权利要求书

1.一种利用回声状态网络预测混沌基带无线通信解码阈值的方法，其特征在于，按照以下步骤实施：

步骤1、确定回声状态网络参数，具体过程是，

回声状态网络由输入层、动态储备池和输出层组成，输入神经元个数为K，输入向量为u(t)＝(u₁(t),…,u_K(t))^T，上标T表示向量转置；动态储备池内神经元个数为N，状态向量为r(t)＝(r₁(t),…,r_N(t))^T；输出神经元个数为Q，输出向量为v(t)＝(v₁(t),…,v_Q(t))^T；输入到储备池的连接权值矩阵为W_in∈R^N×K，表示N行K列实数矩阵，动态储备池内部神经元的连接权值矩阵为稀疏矩阵W∈R^N×N，输出单元到储备池的反馈权值矩阵W_fb∈R^N×Q，三者均为随机产生，取值在[-1,1]上均匀分布，训练过程中不再改变，其中，稀疏矩阵W的谱半径，ρ(W)＜1是保证网络回声状态属性的条件，为保证储备池的多样化，储备池内神经元间的连接稀疏度SD取值在1％-5％之间变化；储备池到输出单元的连接权值矩阵为W_out∈R^Q×(K+N)，是网络唯一需要训练的连接权值矩阵；

步骤2、对储备池状态进行初始化，具体过程是，

在混沌基带无线通信系统中，将训练数据作为帧头数据与信息数据共同组成数据帧发送，假设训练数据比特数为n_t，数据帧计数为F_r，初始值F_r＝1，状态向量r的初值为r(0)＝0，为避免不同的r初值对输出权值矩阵W_out的影响，需要在发送数据的第一帧训练样本前面插入n₀个随机生成的符号位，得到第一帧对应的全部训练样本u(n)(n＝1,…,n₀,…,n_max)；

训练数据的期望解码阈值θ(n)(n＝1,…,n₀,…,n_max)根据公式(1)计算得到，表达式如下：

其中，n＝1,…,n₀,…,n_max，表示由过去3位符号引起的码间干扰，表示由未来3位符号引起的码间干扰，L代表多径数，根据混沌特性I_l,i由公式(2)计算得到，表达式如下：

其中，α_l和τ_l均为信道参数，ω和β均为混沌成型滤波器参数，且满足ω＝2πf，β＝fln2，f为基频；信道参数采用传统信道辨识方法得到，

将用于初始化的前n₀个样本依次输入网络，根据公式(3)更新状态，表达式如下：

r(n+1)＝tanh(W_inu(n+1)+Wr(n)+W_fbθ(n))， (3)

其中，n＝0,…,n₀-1，直到得到状态向量r(n₀)，即完成储备池状态的初始化工作；

步骤3、进行输出权值的训练，具体过程是，

继续将训练样本u(n+1)(n＝n₀,…,n_max-1)依次输入网络，结合阈值θ(n)(n＝n₀,…,n_max-1)根据状态更新公式(1)，依次获得状态向量r(n₀+1),…,r(n_max)，对应阈值θ(n₀+1),…,θ(n_max)由公式(1)、公式(2)计算得到为网络目标输出；

设R和T分别为状态矩阵和目标输出矩阵，将输入向量u(n)和状态向量r(n)(n＝n₀+1,…,n_max)，重新定义一个组合矩阵将对应的目标阈值θ(n)放入T中，得到代入公式(4)，计算权值W_out∈C^Q×(K+N)，表达式如下：

W_out＝TR^T(RR^T+λ_rI)^-1， (4)

其中，I是对应的单位矩阵，λ_r是小于1的正则项系数，

至此，完成一个数据帧解码所需的输出权值W_out的训练，并保存状态向量r(n_max)的值，此时n＝n_max；

步骤4、预测当前符号的解码阈值，具体过程是，

令n＝n+1，将训练得到的ESN用于解码阈值的预测，将当前输入向量u(n)、结合状态向量r(n-1)和解码阈值θ(n-1)或根据公式(5)更新得到新的状态向量r(n)，表达式如下：

r(n)＝tanh(W_inu(n)+Wr(n-1)+W_fbθ(n-1))， (5)

由r(n)，u(n)和训练所得的输出权值W_out，根据公式(6)预测符号s_n的解码阈值，表达式如下：

预测得到符号s_n的解码阈值并保存r(n)，的值；

步骤5、符号解码，

当过采样率为N_s时，最大信噪比点为该符号对应的第个采样点，根据最大信噪比点的值及以下解码规则公式(7)解码符号s_n，表达式如下：

至此，完成直接使用预测阈值的符号s_n的解码；

步骤6：如果n＜L_F，L_F为一个数据帧的总长度，转向步骤4；

步骤7：令F_r＝F_r+1，n₀＝0,n_max＝n_t，r(n₀)＝r(n)，如果F_r＜N_F，N_F为传输总帧数，转向步骤3，继续解码后续更多帧的符号信息；否则，结束完成所有解码。