[发明专利]动态认知神经功能重建中的输入输出信号处理方法

摘要

为了提高动态认知神经网络中节点信号的处理速度，本发明提供了一种动态认知神经功能重建中的输入输出信号处理方法，包括：根据动态认知神经网络的状态构造检测信号接收矩阵；对当前时刻的检测信号接收矩阵进行奇异值分解；根据下一时刻的检测信号接收矩阵以及所述奇异值分解结果构造反馈信号矩阵；对信号进行放大处理并对动态认知神经网络进行迭代。本发明基于节点在不同时刻信号特征之间的比例进行变换，并利用待输入到多输入输出动态系统的输入信号的相位稳定性进行信号筛选，提高了建模的收敛速度，进而提高了对各节点输入输出信号的处理速度。

主权项

1.一种动态认知神经功能重建中的输入输出信号处理方法，包括：(1)根据动态认知神经网络的状态构造检测信号接收矩阵；(2)对当前时刻的检测信号接收矩阵进行奇异值分解；(3)根据下一时刻的检测信号接收矩阵以及所述奇异值分解结果构造反馈信号矩阵；(4)对信号进行放大处理并对动态认知神经网络进行迭代；所述步骤(1)包括：(11)根据动态认知神经网络的状态，在t时刻的状态，获得t时刻要输入到节点Ni的有效信号Si(t)以及t+1时刻输入到节点Ni的有效信号Si'(t+1)，所述有效信号表示在动态认知神经网络中的符合预定条件的信号传输路径中传输的信号，i＝1，2，…N，N为正整数；(12)计算各待处理信号Si(t)之间的对数比例，获得它们彼此之间的比例系数：K1:K2:K3:...:KN＝|lg(||S1(t)||)|:|lg(||S2(t)||)|:|lg(||S3(t)||)|:...:|lg(||SN(t)||)|(13)构造t时刻的检测信号接收矩阵A： A = K 1 K 1 × K 2 ... ... K N - 1 × K N K 2 × K 1 K 2 ... ... ... ... ... ... ... ... ... ... ... ... K N - 2 × K N - 1 K N × K 1 K N × K 2 ... ... K N ; ]]>(14)构造(t+1)时刻的检测信号接收矩阵B： B = K ′ 1 K ′ 1 × K ′ 2 ... ... K ′ N - 1 × K ′ N K ′ 2 × K ′ 1 K ′ 2 ... ... ... ... ... ... ... ... ... ... ... ... K ′ N - 2 × K ′ N - 1 K ′ N × K ′ 1 K ′ N × K ′ 2 ... ... K ′ N , ]]>其中 K ′ 1 : K ′ 2 : K ′ 3 : ... : K ′ N = | lg ( | | S ′ 1 ( t + 1 ) | | ) | : | lg ( | | S ′ 2 ( t + 1 ) | | ) | : | lg ( | | S ′ 3 ( t + 1 ) | | ) | ... . : | lg ( | | S ′ N ( t + 1 ) | | ) | ; ]]>所述步骤(2)包括：对检测信号接收矩阵进行奇异值分解：A＝UDVH，其中U为A的行奇异向量，D为A的对角阵，VH为A的列奇异向量；所述步骤(3)包括：(31)获得各待处理信号Si(t)的相位信息矩阵P：其中Pi为与之对应的待处理信号Si(t)的相位信息，i＝1，2，…N，N为正整数；(32)对(t+1)时刻的检测信号接收矩阵A进行奇异值分解，获得其广义逆矩阵A'，对(t+1)时刻的检测信号接收矩阵B进行奇异值分解，获得其广义逆矩阵B'：(33)计算广义逆矩阵B'的秩α；(34)对相位信息矩阵P进行筛选：去掉相位信息矩阵P中Pi小于预设阈值的值，得到矩阵P^；(35)计算相位信息矩阵P^的秩β；(36)计算各待处理信号Si(t)的相位信息的比例：L1:L2:L3:...:LN＝||P1||:||P2||:||P3||:...:||PN||；(37)构造相位信息归一化对角矩阵I：其中ci表示相位信息矩阵P中Pi小于预设阈值的值的情况，且当相位信息矩阵P中Pi小于预设阈值的值时，ci＝0，否则ci＝||D||；(38)确定矩阵I的重特征值T，进而计算Li与T之间的标准差Gi并以此标准差构造反馈比例矩阵G；(39)构造反馈信号矩阵F： F = lg ( α × β | | A | | 2 ) × ( A ′ · G ) ; ]]>所述步骤(4)包括：(41)根据反馈信号矩阵对接收矩阵信号进行反馈，得到待放大矩阵E：E＝A-F(42)确定信号放大比例m；(43)对待放大矩阵E进行放大，构造矩阵R'：R'＝m×E；(44)对矩阵R'进行反对数运算，得到供输入给多输入输出动态系统的信号矩阵Ri(t)(45)构造迭代函数f：其中表示取上整数。