基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法

摘要

本发明涉及一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，本方法首先给出反馈电源偏置DTCS复RNN神经网络结构；然后为实现多值QAM盲均衡的DTCS反馈电压偏置复RNN型神经网络的动态方程配置；进而配置好反馈网络的权矩阵；最后获取到偏置因子ρ。通过引入反馈电压偏置即不脱离传统RNN神经网络模型又使得网络的物理实现更为简单，且能有效满足多值信号检测时所需的搜索空间变大的特殊要求。

主权项

一种基于输出反馈偏置型复连续反馈神经网络结构的无线光通信系统盲均衡方法，其特征包括如下步骤：第一步：建立反馈电源偏置DTCS复RNN神经网络结构所述反馈电源偏置DTCS复RNN神经网络结构在t时刻第j个神经元输入输出的RNN神经网络，假设该网络具有N个突触输入，该结构中第j个突触输入s_j(t)与其权值w_jj进行乘法运算，和其它N‑1个突触输入s_i(t)，i＝1，2，…，N，i≠j与它们各自的权值w_ji，i＝1，2，…，N，i≠j进行乘法运算后的值联合进行电流和作用后获得连接权值输出然后网络神经输出s_j(t+τ)经过时间τ延迟后作为反馈偏置电源与偏置因子ρ相乘之后再与上述连接权值输出相加获得激活函数输入该输入经过激活函数f(·)非线性映射后获得神经输出s_j(t+τ)；忽略中间神经元传播时延τ，由基尔霍夫电流定理可写出第j个神经元的动态方程$\left\{\begin{array}{c}{C}_j\frac{{\mathrm{du}}_j\left(t\right)}{dt}=-\frac{1}{R_j}{u}_j\left(t\right)+\underset{i=1}{\overset{N}{\Sigma }}{w}_{ji}{s}_i\left(t\right)+{\mathrm{\rho \theta }}_j\left(t\right)\\ s_i\left(t\right)=f\left(u_i\right(t\left)\right),i=1,\mathrm{...},N\end{array}\right.---\left(1\right)$其中：R_j为漏泄阻抗，C_j为漏泄电容，w_ji为电导，u_j(t)表示第j个神经元激活函数输入电压，u_i(t)表示第i个神经元激活函数的输入电压，i＝1，...，N；s_i(t)表示电势，i＝1，…，N，θ_j(t)表示偏置，新模型中θ_j(t)＝s_j(t)，ρ为反馈电导，N表示网络神经元总数；第二步为实现多值QAM系统盲均衡的DTCS反馈电压偏置复RNN型神经网络的动态方程配置假设网络具有N个互连接节点，忽略中间神经元传播时间延迟，并作如下定义神经元输出向量激活函数算子矩阵连接权矩阵且有W^H＝W，T_RC为主对角元素由τ_j＝C_j，j＝1，2，…，N组成的对角实矩阵，得到如下反馈神经网络模型$\left\{\begin{array}{c}{T}_{RC}\frac{du}{dt}=-u+Ws+\theta \\ s=f\left(u\right)\end{array}\right.---\left(3\right)$其中，u和s均为时间的函数；假设激活函数f(z)逆函数存在，记为f^‑1(z)，则u＝f^‑1(s)；在网络平衡点处必有所以有u＝Ws+θ，将时间进行离散化，并用k代表第k时刻，上式可以用松弛法继续求解，松弛方程为f^‑1(s(k+1))＝Ws(k)，则有s(k+1)＝f(Ws(k)+θ)           (4)所述W＝UU^H           (5)其中：U是X_N奇异值分解中的酉阵，ρ∈[0.08，0.28]。