论文部分内容阅读
基于Hopfield神经网络的盲检测算法由于不依赖统计量，适用于复杂信道，在无线通信领域有着广泛的应用，并得到了深入的研究，然而也存在不足之处。本文针对这些问题开展研究，本文的主要工作如下：（1）研究分析了连续Hopfield神经网络以及基于连续Hopfield神经网络的盲检测算法。该算法利用接受信号矩阵与发送信号矩阵之间的关系建立起了盲检测优化问题的代价函数。同时通过权矩阵的有效配置，巧妙地把信号盲检测问题转化为连续Hopfield神经网络稳定平衡点的求解问题。仿真分析验证表明，基于连续Hopfield神经网络的盲检测算法不依赖统计量，适用于含公零点信道，具有一定的普适性，各方面性能好于传统的基于统计量的经典文献盲检测算法（TXK算法、SSA算法、LPA算法)。但是研究发现算法在低信噪比环境下误码率过高。（2）针对基于连续Hopfield神经网络的盲检测算法在低信噪比环境下误码率过高这一缺点，提出了一种改进激活函数的Hopfield盲检测算法。同时证明了算法在同步更新模式和异步更新模式下的稳定性。仿真分析表明该算法通过改进激活函数有效地降低了神经元对输入值的敏感度，提高了算法的抗干扰能力。但是也存在激活函数缺乏灵活性这一问题。（3）针对基于连续Hopfield神经网络的盲检测算法及其改进算法存在激活函数缺乏灵活性这一缺点，提出了基于迟滞Hopfield神经网络的盲检测算法。同时证明了迟滞Hopfield神经网络的稳定性，给出了迟滞激活函数的调节机制，探究了噪声对实验的影响。仿真分析表明迟滞Hopfield神经网络能够以较大的概率收敛于全局最优点，算法的性能优于传统的基于连续Hopfield神经网络的盲检测算法。但是算法依赖于多个起点，在单起点条件下算法可能会陷入局部最优解。（4）为了实现仅利用单个起点就能获得最优解这一问题，提出了基于暂态混沌神经网络的盲检测算法，着重论述了其模拟退火机制及参数的设计。仿真分析表明，算法在单起点条件下能够成功实现发送信号的盲检测。