基于混沌神经网络的盲检测改进新算法精选.pdfVIP

物 理 学报 ActaPhys．Sin．Vo1．63，No．6(2014) 060701 基于混沌神经网络的盲检测改进新算法术 于舒娟 )十 宦如松 ) 张昀 ) 冯迪2) 1)(南京邮电大学电子科学与工程学院，南京 210003) 2)(中国移动通信集团江苏有限公司苏州分公司，苏州 215002) (2013年6月4日收到；2013年 l2月5日收到修改稿) 针对Hopfield神经网络的多起点问题，提出了一种新的基于混沌神经网络的盲信号检测算法，实现了二 进制移相键控信号盲检测．据此进一步提出双sigmoid混沌神经网络模型，构造了新的能量函数，且证明了该 模型的稳定性，并对网络参数进行配置．仿真实验表明：混沌神经网络能够避免局部极小点且具备较强的抗 噪性能，双sigmoid混沌神经网络则继承了其所有的优点，且其收敛速度更快，仅需更短的接收数据即可到达 全局真实平衡点，从而降低了算法的计算复杂度，减少了运行时间． 关键词：混沌神经网络，双sigmoid混沌神经网络，盲检测 PACS：07．05．Mh，84．40．Ua DOI：10．7498／aps．63．060701 发，首先构造出适用于盲检测算法的混沌神经网 1 引 言 络模型，为解决TCHNN能量函数收敛速度慢的缺 点，进一步设计了新的适用于通信信号盲检测的双 Hopfield神经网络 fHopfieldneuralnetworks， sigmoid混沌神经网络 fdoublesigmoidtransient— HNN)盲检测算法不受信道是否含公零点的限制， lychaoticHopfieldneuralnetwork，DS—TCHNN)， 且所需发送数据更短，与二阶统计量盲算法和高阶 构造 了一个新的适用于DS—TCHNN的能量函数， 统计量盲算法相比，更能满足现代通信系统中高速 并给出了网络稳定性的证 明．由于DS—TCHNN能 数据传输的要求．因此，基于HNN的盲检测算法研 量函数在每次迭代 的过程 中的下降步伐远大于 究己初见成效_1J．但是，HNN算法往往会陷入局部 TCHNN算法，因此DS—TCHNN大大加快了能量 极小点 2【]．为解决上述 问题，在算法流程中，需在 函数的收敛速度，有效地减少了运行时间．仿真实 判断算法陷入局部极小值后另行选择不同的起点， 验也验证了这一结果． 以得到全局最优点 [3】_近年，混沌神经网络的研究 也引起很多学者的关注 4[-s】，其中在非盲检测的环 2 新的基于混沌神经网络的盲检测算 境下，文献f4，51指出，混沌神经网络 (transiently chaoticHopfieldneuralnetwork，TCHNN1可 以避 法及改进 免陷入局部最优．然而，TCHNN具有负的自耦 2．1 混沌神经 网络 的构建及能量 函数的 合，会导致能量函数的收敛速度变慢．针对这一 设计 问题，文献f91给出了双sigmoid神经网络 (double sigmoidHopfieldneuralnetwork，DS—HNN)，提了 参考文献 [4—8]的思想，本文构造出适用于盲 高算法性能． 检测算法的混沌神经网络模型，该模型的动态方 综上所述，本文从改善盲检测算法的性能出 程为 国家自然科学基金 (批准号61104103和南京邮电大学引进人才项目(批准号：N