基于混沌Hopfield型神經網(wǎng)絡的盲算法研究.pdf

1、Hopfield神經網(wǎng)絡盲檢測算法具有所要求的數(shù)據(jù)量短、適用于公零點信道等優(yōu)點，與文獻基于統(tǒng)計量的盲檢測算法相比，更能滿足人們對無線數(shù)字通信系統(tǒng)提出的可靠性要求。但由于Hopfield神經網(wǎng)絡采用梯度下降的優(yōu)化策略易陷入局部最優(yōu)，有時甚至收斂不到優(yōu)化問題的最優(yōu)解或者近似最優(yōu)解。針對這一不足，本文受國家自然科學基金項目(項目批準號：61302155)的支持，在Hopfield神經網(wǎng)絡中引入混沌技術，主要做出如下創(chuàng)新工作：
　?。?）

2、依據(jù)混沌初始化發(fā)送序列的優(yōu)良遍歷特性，本文第二章在 Hopfield神經網(wǎng)絡（Hopfield Neural Network, HNN）的基礎上引入混沌初始化和混沌擾動，利用混沌映射產生初始發(fā)送序列，并且在算法出現(xiàn)早熟收斂時進行小幅度的混沌擾動，借此降低算法的誤碼率。仿真實驗表明：改進的混沌Hopfield神經網(wǎng)絡能夠成功解算帶約束的二次規(guī)劃問題,從而實現(xiàn)BPSK信號盲檢測，相對于文獻算法改善了算法性能。
　?。?）為了改善Hop

3、field神經網(wǎng)絡易陷入局部最優(yōu)以及暫態(tài)混沌神經網(wǎng)絡（Transient Chaotic Neural Network，TCNN）收斂緩慢的缺陷，本文第三章在暫態(tài)混沌神經網(wǎng)絡的基礎上構建了一種改進的復合正弦混沌神經網(wǎng)絡（Improved Compound Sine Chaotic Neural Network， ICSCNN)，設計了新的能量函數(shù)并分別在同步和異步更新模式下證明了該網(wǎng)絡的穩(wěn)定性。仿真實驗表明：與二階統(tǒng)計量算法、Hopfi

4、eld神經網(wǎng)絡盲檢測算法以及TCNN盲檢測算法相比，本文提出的算法顯著降低了算法的誤碼率和收斂時間，且所需的數(shù)據(jù)量更短，提高了盲檢測性能。
　?。?）由于小波函數(shù)具有良好的非線性特性，能使混沌的動力學特性表現(xiàn)的更為明顯，本文第四章首先將小波混沌神經網(wǎng)絡（Wavelet Chaotic Neural Network, WCNN)引入盲檢測環(huán)境中，然后為每個神經元加一個激活函數(shù)構成雙sigmoid小波混沌神經網(wǎng)絡（Double Sig