[发明专利]基于双Sigmoid混沌神经网络的信号盲检测方法

摘要

本发明提出了基于双Sigmoid混沌神经网络的信号盲检测方法，所述方法利用混沌神经网络和第二个激活函数构成了一个双Sigmoid混沌神经网络；每次迭代时，首先进入混沌神经网络，然后再进入第二个激活函数。本发明方法由于混沌神经网络具有可以避免陷于局部最小的优点，提高了盲检测性能，提高了网络运营速度抗噪性能优于传统的Hopfield信号盲检测算法。

主权项

基于双Sigmoid混沌神经网络的信号盲检测方法，其特征在于，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：XN＝SΓT式中，XN是接收数据阵，S是发送信号阵，Γ是由信道冲激响hjj构成的块Toeplitz矩阵；(·)T表示矩阵转置；其中，发送信号阵：S＝[sL+M(k),…,sL+M(k+N‑1)]T＝[sN(k),…,sN(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；sL+M(k)＝[s(k),…,s(k‑L‑M)]T；其中，s∈{±1}，时刻k为自然数；hjj＝[h0,…,hM]q×(M+1)，jj＝0,1,…,M；q是过采样因子，取值为正整数；XN＝[xL(k),…,xL(k+N‑1)]T是N×(L+1)q接收数据阵，其中xL(k)＝Γ·sL+M(k)；步骤B，接收数据矩阵奇异值分解：XN=[U,Uc]·D0·VH]]>式中，(·)H是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；Uc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＝IN‑Q，其中IN是N×N维的单位阵，步骤D，选择双Sigmoid混沌神经网络的激活函数，进行双Sigmoid混沌神经网络迭代运算；双Sigmoid混沌神经网络动态方程为：d(s(t))dt=f(λs(t)+α(Wy(t)-z(t)y(t)))]]>dz(t)dt=-β]]>y(t)＝σ(s(t))对该方程进行迭代运算，然后把每次迭代的结果代入双Sigmoid混沌神经网络的能量函数E(t)中，当该能量函数E(t)达到最小值，即y(t)＝y(t‑1)时，该双Sigmoid混沌神经网络达到平衡，迭代结束；其中，s(t)为双Sigmoid混沌神经网络N个神经元构成的向量，且si(t)为发送数据阵的列向量，i代表第i个神经元，0≤i≤N；t为网络迭代过程中运行的时间，该网络中的连续时间t和离散时间k通过欧拉公式实现转换；σ(.)为神经元的第一个Sigmoid函数，f(.)为神经元的第二个Sigmoid函数；λ为该网络的衰减因子，W为双Sigmoid混沌神经网络的网络权矩阵，α为该网络的尺度参数；z(t)为随着网络的迭代循环而逐渐变小的变量，β为z(t)的下降导数；y(t)为N个神经元的输出yi(t)构成的向量，该网络达到最后平衡时，可近似的认为每个神经元的yi(t)＝si(t)，y(t)即为求取的发送信号。