基于离散全反馈神经网络的多电平信号盲检测方法

摘要

本发明公开了一种基于离散全反馈神经网络的多电平信号盲检测方法。该方法根据无线传感器网络的网关(Sink)节点接收信号与中间处理节点发送信号之间的子空间关系，建立直接盲检测发送信号的优化性能函数，将盲检测问题转化为求解二次规划问题。进而构造了离散复数多电平Hopfield神经网络，根据多电平信号盲检测的特定要求，重新定义复数多电平离散Hopfield神经网络的神经元表能量函数、运行方程和增益系数，将复数多电平Hopfield神经网络作为无线传感器网络MQAM信号的盲检测算法，本算法只需极短接收数据就可实现计算目标，能够适用于统计量无意义场合。搜索空间缩小，难度大大降低，搜索时间显著优于其他盲检测算法，系统性能得到了相应的提高。

主权项

1.一种基于离散全反馈神经网络的多电平信号盲检测方法，其特征是：利用复数离散多电平激活函数，采用适当的增益系数a，构造复数离散Hopfield神经网络，实现多电平多进制正交幅度调制MQAM信号的盲检测，具体步骤如下：A.网关Sink端接收单个中间节点所发射的信号，并进行过采样，得到Sink端离散时间信道的接收方程X_N＝SΓ^H式中，M：信道阶数；L：均衡器阶数；N：本方案算法所需数据长度；$S={[s_{L+M}\left(k\right),...,s_{L+M}(K+N-1)]}_{(L+M+1)\times N}^T$是发送信号阵，s_L+M(k)＝[s(k)，…，s(k-L-M)]^T；s＝s_R+i·s_I为复数信号，实部s_R、虚部s_I都属于集合A，A＝{±1，±3，…，±d_n|d_n＝1+2(n-1)}，d₁＝1，Δd＝d_j+1-d_j＝2，j∈[1，n-1]，2n为相应信号集合的电平数，Γ＝Γ_L(h_j)是块Toeplitz矩阵，由h_j，j＝0，1，…，M构成；[h₀，…，h_M]_q×(M+1)是中间处理节点和Sink端之间的信道冲激响应；(·)^H表示Hermitian转置；q为过采样因子；(X_N)_N×(L+1)q＝[x_L(k)，…，x_L(k+N-1)]^T是Sink端接收数据阵；x_L(k)＝Γ·s_L+M(k)；B.设置权矩阵W＝I-Q式中奇异值分解中的酉基阵U_c；I是单位阵；C.利用Hopfield动力学方程s(k+1)＝σ(a·Ws(k))进行迭代，直到s(k+1)＝s(k)式中σ[·]＝σ_R[·]+i·σ_I[·]，且m为R或者I，σ_R[·]表示σ[·]的实数部分，σ_I[·]表示σ[·]的虚数部分，D.a是增益系数，为满足离散Hopfield神经网络处理多电平信号的特定要求，a必须满足不等式$\frac{d_n-1}{d_n}<a\le \frac{d_n-1}{d_n-2}.$