[发明专利]基于模拟退火神经网络和消除干扰的数据检测方法

摘要

本发明公开了一种基于模拟退火神经网络和消除干扰的数据检测方法，其步骤为：获得扩频数据；对扩频数据进行调制；判断是否选取完10个终端用户；生成混合数据；对混合数据进行解调；产生训练样本数据；构建模拟退火神经网络；训练模拟退火神经网络；判断训练迭代次数是否小于1000；获得模拟退火神经网络优化数据；获得消除干扰数据；设置初始值；计算错误元素总数；判断当前迭代次数是否等于消除干扰数据元素总数；检测数据误码率。本发明可用于从高斯信道中同一频段上的混合数据中检测出用户发送的数据，与现有技术方法相比，本发明检测出用户发送的数据具有最低的误码率。

主权项

1.一种基于模拟退火神经网络和消除干扰的数据检测方法，其特征在于，包括如下步骤：/n(1)获得扩频数据：/n(1a)从10个终端用户中任选一个，作为向基站注册拟发送数据的目标用户；/n(1b)基站随机产生一段数据，叠加到目标用户拟发送的数据之前，组成叠加数据；/n(1c)基站从Gold码矩阵中选取第一行作为扩频码，将叠加数据中的每一个元素与扩频码分别进行逻辑与操作，得到扩频数据；/n(2)对扩频数据进行调制：/n对扩频数据进行正交频分复用OFDM调制，得到所选一个终端用户的调制数据；/n(3)判断是否选取完10个终端用户，若是，则执行步骤(4)，否则，执行步骤(1)；/n(4)生成混合数据：/n选择所有终端用户的调制数据中第一个元素分别进行相加，作为混合数据的第一个元素，以此类推，将混合数据的所有元素组成混合数据；/n(5)对混合数据进行解调：/n对混合数据进行离散傅里叶逆变换，得到解调数据；/n(6)产生训练样本数据：/n(6a)基站从Gold码矩阵中选取第一行作为扩频码；/n(6b)截取解调数据前端与基站随机产生的数据相同长度的一段数据，将其每一个元素与扩频码分别进行逻辑与操作，作为训练样本的输入数据，以基站随机产生的一段数据作为训练样本的输出数据，组成训练样本；/n(7)构建模拟退火神经网络；/n(7a)构造一个三层神经网络，其结构依次为输入层、隐藏层和输出层，隐藏层设置为具有不同权值和阈值的两层；/n(7b)将模拟退火温度的初始值设置为80；/n(7c)将隐藏层第一层和第二层的权值和阈值的初始值设置为0；/n(7d)将训练迭代次数的初始值设置为0；/n(8)训练模拟退火神经网络：/n(8a)以训练样本的每一列作为一组元素，计算每组元素的输入和输出之间差值的绝对值，得到预测误差；/n(8b)在[0,1]的实数范围内随机生成一个数，将模拟退火温度设置为当前模拟退火温度的0.9倍，计算模拟退火神经网络退火的临界值；/n(8c)判断模拟退火神经网络退火的临界值是否大于0，若是，则执行步骤(8d)，否则，执行步骤(8f)；/n(8d)采用如下神经网络权值的调整方法，计算模拟退火神经网络中隐藏层第一层和第二层的权值；/n第一步，按照下式，计算模拟退火神经网络中隐藏层的第一层权值：/n