基于复数Hopfield神经网络的盲信号检测

摘要

盲信号检测算法自30年前首次被提出以来，在众多科学领域，特别是在语音信号分离与识别、生物信号处理、无线通信系统等领域，已得到深入的研究和发展，然而，仍然存在一些关键理论与实际问题需要解决。本文针对这些问题进行了研究，主要内容包括：
　　⑴分析了高阶统计量算法和二阶统计量算法，讨论了其优缺点及需要解决的关键问题。高阶统计量算法需要采用自适应均衡，因此需要先设计均衡器。二阶统计量算法往往要求先盲辨识信道。本文从理论和仿真两个角度分析验证，高阶统计量算法所需的数据量很大，且局限于高斯加性噪声，处理复杂星座信号时剩余残差很大；基于二阶统计量(SOS)的算法对发送信号的独立性要求较高，信号有色时，算法不能有效实现，且还要求子信道不能有公零点。
　　⑵针对高阶统计量算法数据量需求大，以及二阶统计量算法不能处理含公零点信道的缺陷，利用基于有限字符集的盲检测性能函数构造了盲检测算法。由于此性能函数利用星座先验知识，根据接收信号与发送信号之间的子空间关系所建立，因此本文的盲检测算法不需要设计均衡器，也无需辨识信道，能够直接盲检测发送信号。本文算法不依赖任何统计信息，也不依赖接收信号的任何(SOS或HOS)统计量，而直接地、充分地利用星座本身。由于不以“适用于任何信号的Bezout恒等式”为基础，因此适用于更广泛的信道。
　　⑶探索了四种基于字符集性能函数的盲检测算法，包括近似算法、微粒子群算法、免疫算法和遗传算法等。仿真表明，这几种盲检测算法利用较短数据即可成功检测二电平信号(BPSK和QPSK)。但是随着信号星座复杂度增加，不同电平的信号对于代价函数所产生的权重影响不同，搜索容易陷入“低电平信号”构成的局部最小点。而且算法复杂度代价太大，不适用于复杂星座的MQAM和MPSK信号。
　　⑷用基于字符集的性能函数构造了三种新的多值复数Hopfield神经网络，适用于盲检测MQAM的“实虚型连续多值激活复数Hopfield神经网(Complex Hopfield Neural Network with Real-Imaginary-type Soft-Multistate- activation-function，CHNN_RISM)”、“实虚型离散多电平激活复数 Hopfield神经网(Complex Hopfield Neural Network with Real-Imaginary-type Hard-Multistate- activation-function，CHNN_RIHM)”，以及适用于盲检测MPSK信号的“幅相型离散多电平激活复数Hopfield神经网(Complex Hopfield Neural Network with Amplitude-Phase-type Hard-Multistate-activation-function，CHNN_APHM)”。由于文献中二值实数激活函数和能量函数不能描述多值复数Hopfield神经网络的动力学特性，设计了新的幅相型多值激活函数和适用于新网络的能量函数，并分别在同步更新模式和异步更新模式下证明了网络的稳定性。为了能成功盲检测信号，利用本文特有的性能函数构造了联结权阵。由于这三种复数Hopfield神经网络的特性，不同电平的信号对于能量函数所产生的权重影响相同，并证明真解点的能量函数为一个与检测数据长度N有关的固定值。这几种盲检测算法只利用发送信号所属字符集的信息。除了要求输入数据是“独立同分布”和“属于有限字符集”外，没有利用输出数据的任何其它统计信息。仿真实验表明:基于这三种网络的算法仅需较短接收数据(与二阶统计量算法相当)就可有效盲检测复杂星座信号，并适用于含公零点信道。

目录

声明

中文摘要

英文摘要

目录

符号说明

通用英文缩略语

图表清单

第一章 绪 论

1.1 盲均衡和盲检测算法研究现状

1.2 复数神经网络研究现状

1.3 Hopfield神经网的研究现状及意义

1.4 本论文的主要工作及结构安排

第二章 基于统计量的盲均衡和盲检测算法

2.1 基于高阶统计量的盲均衡算法

2.3 基于二阶统计量的盲均衡算法

2.4 仿真结果

2.5 本章小结

第三章 基于字符集的盲检测算法

3.1 基于??近似算法的盲均衡

3.2 基于微粒子群算法的盲均衡[144-146]

3.3基于人工免疫算法的盲均衡[129,130,147,148]

3.4 遗传算法[149-151]

3.5 仿真实验

3.6 本章小结

第四章 基于实虚型连续多值复数HNN的QAM盲检测

4.1 Hopfield神经网络概述[132]

4.2 实虚型连续多值复数Hopfield神经网络

4.3 实虚型连续多值复数Hopfield神经网络稳定性分析

4.4盲检测QAM信号的权阵配置

4.5 仿真实验

4.6 本章小结

第五章 基于实虚型离散多电平复数HNN的盲检测

5.1 引言

5.2 二电平离散Hopfield神经网络

5.3 实虚型离散多电平复数Hopfield神经网络的构造

5.4 离散多电平Hopfield神经网络更新状态转移

5.5 盲检测MQAM信号的权阵配置及收敛性分析

5.6 仿真实验

5.7 本章小结

第六章 基于幅值相位型离散HNN的MPSK盲检测

6.1 幅相型离散多电平复数Hopfield神经网络

6.2 幅值相位型离散Hopfield神经网络的稳定性分析

6.3 CHNN_APHM的收敛性分析

6.4 盲检测MPSK信号的权阵配置

6.5 仿真实验

6.6 本章小结

第七章 结束语

7.1 工作总结

7.2 研究展望

致谢

参考文献

攻读博士期间科研成果和发表论文