基于Hopfield神經網絡的盲算法研究.pdf

1、Hopfield神經網絡盲檢測算法不受信道是否含公零點的限制且所需發(fā)送數(shù)據更短，與二階統(tǒng)計量盲算法和高階統(tǒng)計量盲算法相比，更能滿足現(xiàn)代通信系統(tǒng)中高速數(shù)據傳輸?shù)囊?。然而深入研究發(fā)現(xiàn)Hopfield神經網絡盲檢測算法仍存在不足之處。本文針對不足之處展開研究，主要做出如下創(chuàng)新工作：
　?。?）在經典Hopfield神經網絡（Hopfield Neural Network, HNN）模型的基礎上構建了雙Sigmoid Hopfield神

2、經網絡（Double Sigmoid Hopfield Neural Network, DS-HNN），設計給出新網絡的結構圖、新的激活函數(shù)和新的能量函數(shù)，并且分析了新網絡的穩(wěn)定性。仿真實驗表明：DS-HNN能量函數(shù)的收斂速度明顯快于經典Hopfield神經網絡；無論是在隨機信道還是在固定信道的情況下，DS-HNN算法的抗噪性都優(yōu)于HNN算法，且DS-HNN算法還能很好地適用于含公零點信道。
　?。?）在HNN的基礎上構建了正反饋

3、Hopfield神經網絡（Positive Feedback Hopfield Neural Network, PFHNN），設計給出該網絡新的能量函數(shù)，同時在異步更新模式和同步更新模式下證明了網絡的穩(wěn)定性。仿真實驗表明：無論是固定信道還是隨機信道，PFHNN的誤碼性都明顯優(yōu)于傳統(tǒng)的網絡，具備更強的抗干擾能力；PFHNN在含公零點的信道中運行，同樣表現(xiàn)出較好地性能，證明了該網絡對信道有較強的魯棒性。
　　（3）首先在混沌神經網絡（

4、Transiently Chaotic Hopfield Neural Network, TCHNN）的基礎上構建了雙 Sigmoid混沌神經網絡（Double Sigmoid Transiently Chaotic Hopfield Neural Network, DS-TCHNN），設計了適合于該網絡的兩個激活函數(shù)。然后根據 TCHNN和DS-TCHNN的特性分別設計給出了這兩個網絡的能量函數(shù)，接著依據 DS-TCHNN能量函數(shù)分別