亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于可變步長(zhǎng)的Hopfield神經(jīng)網(wǎng)絡(luò)盲檢測(cè)算法

        2015-10-20 09:13:44季奎明于舒娟吳光銀
        電視技術(shù) 2015年15期
        關(guān)鍵詞:誤碼數(shù)據(jù)量步長(zhǎng)

        季奎明,于舒娟,張 昀,吳光銀

        (南京郵電大學(xué)電子科學(xué)與工程學(xué)院,江蘇南京210003)

        近年來(lái),在物聯(lián)網(wǎng)等技術(shù)的興起下以及4G時(shí)代的來(lái)臨,人們對(duì)通信系統(tǒng)的可靠性和時(shí)效性的要求更為嚴(yán)格。盲檢測(cè)技術(shù)就是在不借助訓(xùn)練序列的情況下,僅依靠接收端獲得的信號(hào)來(lái)檢測(cè)出發(fā)送信號(hào)。如今,利用Hopfield神經(jīng)網(wǎng)絡(luò)進(jìn)行盲檢測(cè)的算法有了相當(dāng)多的研究[1-3]。針對(duì)傳統(tǒng)Hopfield神經(jīng)網(wǎng)絡(luò)盲算法收斂速度慢及容易陷入局部最優(yōu)解的問(wèn)題,一般改進(jìn)思路有:改進(jìn)神經(jīng)網(wǎng)絡(luò)的激活函數(shù),如文獻(xiàn)[4]提出一種新的激活函數(shù)來(lái)改善抗干擾性能;文獻(xiàn)[5]提出動(dòng)態(tài)步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)去解決數(shù)學(xué)領(lǐng)域中旅行商問(wèn)題(Traveling Salesman Problem,TSP),從而加快算法的收斂速度。文獻(xiàn)[6]指出使用反正切函數(shù)作為網(wǎng)絡(luò)的激活函數(shù),相比采用Sigmoid函數(shù)作為激活函數(shù),BP算法的收斂速度加快了3~10倍。

        本文參考上述文獻(xiàn)的思路,受文獻(xiàn)[6]的思想啟發(fā),將反正切函數(shù)作為Hopfield神經(jīng)網(wǎng)絡(luò)的激活函數(shù)。在此基礎(chǔ)上將濾波器設(shè)計(jì)中可變步長(zhǎng)的思想運(yùn)用到Hopfield神經(jīng)網(wǎng)絡(luò)盲檢測(cè)問(wèn)題中,提出了一種基于可變步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)(Variable Step Hopfield Neural Network,VSHNN)算法。仿真結(jié)果表明,該算法加快了能量函數(shù)的收斂速度,且誤碼性能有了一定的提高。

        1 基于可變步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)的盲檢測(cè)優(yōu)化問(wèn)題的建立

        依據(jù)文獻(xiàn)[7-8],不計(jì)噪聲的情況下,SIMO(Single-Input Multi-Output)數(shù)字通信系統(tǒng)中接收信號(hào)方程、盲處理方程為

        式中:q是過(guò)采樣因子;M是信道階數(shù);L是均衡器階數(shù);S=[sL+M(k),…,sL+M(k+N-1)]T=[sN(k),…,sN(k-ML)]N×(L+M+1)是發(fā)送信號(hào)矩陣;(H)(L+1)q×(L+M+1)是 hj(j=0,1,…,M)構(gòu)成的塊 Toeplitz矩陣;[h0,…,hM]q×(M+1)是信道的沖激響應(yīng)是接收矩陣。式(2)表明,當(dāng)H是列滿秩矩陣時(shí),一定有滿足Q sN(k-d)=0,其中d=0,…,M+L。Uc是接收信號(hào)陣XN奇異值分解中的酉矩陣,。

        此時(shí)可構(gòu)造性能函數(shù)及優(yōu)化問(wèn)題[9]

        可知,式(4)就是本文利用可變步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)解決的帶約束條件的二次型函數(shù)優(yōu)化問(wèn)題。

        由于STQS與Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)第一項(xiàng)形式相似,把兩者聯(lián)系起來(lái)。為了利用VSHNN這一有力工具求解式(4)的信號(hào)盲檢測(cè)問(wèn)題,可將神經(jīng)網(wǎng)絡(luò)的連接權(quán)矩陣配置如下

        當(dāng)VSHNN達(dá)到平衡時(shí),即S(k+1)=S(k),則能量函數(shù)的最小值點(diǎn)就是優(yōu)化問(wèn)題的解,得到的解點(diǎn)信號(hào)即為所需檢測(cè)的發(fā)送信號(hào)。

        2 基于可變步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)的盲檢測(cè)算法及穩(wěn)定性證明

        當(dāng)前,文獻(xiàn)[5,10,11]利用神經(jīng)網(wǎng)絡(luò)的方法解決眾多實(shí)際問(wèn)題,但大部分網(wǎng)絡(luò)結(jié)構(gòu)使用經(jīng)典的Sigmoid型激活函數(shù)。參照文獻(xiàn),本文提出了基于反正切函數(shù)的新激活函數(shù)

        式中:C和μ是用來(lái)控制激活函數(shù)的變化趨勢(shì)的參數(shù)。圖1展示了當(dāng)C和μ取不同值時(shí)激活函數(shù)的曲線圖。

        圖1 新激活函數(shù)與傳統(tǒng)Sigmoid型激活函數(shù)的曲線

        由圖1可知,新的網(wǎng)絡(luò)激活函數(shù)具備如下優(yōu)點(diǎn):

        1)與經(jīng)典Sigmoid型激活函數(shù)相似,當(dāng)神經(jīng)元輸入的絕對(duì)值較大時(shí),可以加快收斂速度;

        2)新激活函數(shù)f(x)在原點(diǎn)附近對(duì)神經(jīng)元輸入值的敏感性顯著降低,對(duì)噪聲的抗干擾能力明顯增強(qiáng)。

        激活函數(shù)為反正切函數(shù)的Hopfield網(wǎng)絡(luò)的動(dòng)態(tài)方程如下

        式中:A為神經(jīng)元的衰減因子;W為神經(jīng)網(wǎng)絡(luò)的連接權(quán)值;θ是神經(jīng)元的偏置;x(t)為神經(jīng)網(wǎng)絡(luò)的輸出;y(t)為神經(jīng)網(wǎng)絡(luò)的輸入;f(·)為激活函數(shù)。

        由式(7)描述的VSHNN結(jié)構(gòu)模型如圖2所示。

        圖2 可變步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)模型

        式(7)的微分方程可離散化為

        式中:λ為計(jì)算步長(zhǎng),一般為較小的實(shí)數(shù)。

        傳統(tǒng)HNN算法中,式(9)的λ是一個(gè)取值在區(qū)間(0,1)的固定常數(shù)。如果λ取值過(guò)大,就會(huì)導(dǎo)致算法連續(xù)抖動(dòng)不能收斂。相反,如果λ取值過(guò)小,就會(huì)造成每次算法調(diào)整神經(jīng)網(wǎng)絡(luò)輸入值的幅度偏小,導(dǎo)致算法容易陷入局部極小值而無(wú)法得到全局最優(yōu)解。

        本文提出的解決方案是將以往固定的步長(zhǎng)值λ用可變的步長(zhǎng)值λ(t)代換。式(9)和式(10)體現(xiàn)了傳統(tǒng)步長(zhǎng)與改進(jìn)后步長(zhǎng)的不同之處:傳統(tǒng)步長(zhǎng)λ是一個(gè)固定常數(shù),而改進(jìn)后步長(zhǎng)λ(t)是動(dòng)態(tài)可變的。為了加快能量函數(shù)的收斂速度,先采用大步長(zhǎng),隨著收斂過(guò)程的進(jìn)行,逐漸減小步長(zhǎng)的取值,從而使算法可以獲得精細(xì)的收斂效果。

        λ(t)的取值可以依據(jù)式(11),其中λ0是一個(gè)常數(shù),α和β是控制步長(zhǎng)函數(shù)變化趨勢(shì)的參數(shù),圖3展示了當(dāng)λ0,α和β是不同取值時(shí)步長(zhǎng)λ(t)的值隨著迭代次數(shù)變化的情況。

        VSHNN 穩(wěn)定性分析如下[12-14]:

        假設(shè)可變步長(zhǎng)Hopfield神經(jīng)網(wǎng)絡(luò)由N個(gè)神經(jīng)元構(gòu)成,權(quán)矩陣滿足W=WT,則VSHNN的能量函數(shù)可表示為

        圖3 步長(zhǎng)λ(t)隨迭代次數(shù)t變化的曲線

        對(duì)能量函數(shù)E(t)求導(dǎo)得到式(13),因?yàn)槠年P(guān)系,詳細(xì)推導(dǎo)過(guò)程參照文獻(xiàn)[5]

        由于所選用的激活函數(shù)f(x)在區(qū)間(-∞,+∞)上為單調(diào)遞增函數(shù),根據(jù)反函數(shù)性質(zhì)可知f-1(x)在區(qū)間(-1,1)單調(diào)遞增的并且是連續(xù)有界的,則可以保證當(dāng)且僅當(dāng),根據(jù) Lyapunov 穩(wěn)定性定理,說(shuō)明該網(wǎng)絡(luò)在迭代運(yùn)行的過(guò)程中能量值逐漸減少,網(wǎng)絡(luò)(7)是穩(wěn)定的。

        3 仿真實(shí)驗(yàn)

        仿真環(huán)境:發(fā)送信號(hào)序列為二進(jìn)制移相鍵控(Binary Phase Shift Keying,BPSK)信號(hào),加性高斯白噪聲,經(jīng)過(guò)100次Monte Carlo實(shí)驗(yàn)得到仿真結(jié)果。將誤碼率為零的點(diǎn)設(shè)為10-5以便于畫圖。仿真實(shí)驗(yàn)參數(shù)的選取為:C=2/π,μ=1.5,λ0=0.75,α =-0.09,β =0.3。

        實(shí)驗(yàn)1:采用權(quán)值和延時(shí)固定的合成信道,不含公零點(diǎn),固定發(fā)送信號(hào)數(shù)據(jù)量M=100,在同步更新模式下將基于VSHNN的盲檢測(cè)新算法和文獻(xiàn)[11]中3種盲檢測(cè)算法的誤碼率進(jìn)行比較并記錄各算法的收斂時(shí)間如表1所示,各種盲檢測(cè)算法的誤碼性能如圖4所示。

        表1 VSHNN算法與文獻(xiàn)算法收斂時(shí)間的對(duì)比

        通過(guò)表1和圖4可知,本文提出的基于VSHNN盲檢測(cè)新算法的誤碼性能和收斂速度顯著優(yōu)于傳統(tǒng)的HNN和TCHNN盲檢測(cè)算法;在保證與文獻(xiàn)[11]DS-TCHNN盲檢測(cè)算法收斂速度相差無(wú)幾的情況下,基于VSHNN盲檢測(cè)新算法的誤碼性能有了一定的提高。

        圖4 VSHNN盲檢測(cè)算法與3種盲檢測(cè)算法誤碼率對(duì)比圖

        實(shí)驗(yàn)2:在信噪比為20 dB條件下,分別進(jìn)行不同數(shù)據(jù)量時(shí)基于VSHNN盲檢測(cè)算法、基于HNN盲檢測(cè)算法、基于TCHNN盲檢測(cè)算法、基于DS-TCHNN盲檢測(cè)算法和文獻(xiàn)[15]二階統(tǒng)計(jì)量中的子空間算法(Subspace Algorithm,SSA)盲檢測(cè)算法的Monte Carlo實(shí)驗(yàn)的誤碼率比較,如圖5所示。

        圖5 VSHNN算法與其他算法不同數(shù)據(jù)量時(shí)的誤碼率比較

        由圖5可知,SSA算法與文獻(xiàn)給出的要求一致,需要較大的數(shù)據(jù)量才能對(duì)信道進(jìn)行準(zhǔn)確的辨識(shí)以獲得較好的誤碼性能;本文的VSHNN盲檢測(cè)算法與其他算法相比,要求的接收數(shù)據(jù)量長(zhǎng)度更短,且誤碼率更低,從而使算法的計(jì)算復(fù)雜度大大降低,運(yùn)行速度得到提升。

        實(shí)驗(yàn)3:由于二階統(tǒng)計(jì)量算法需要較長(zhǎng)數(shù)據(jù)量才能夠準(zhǔn)確地辨識(shí)信道,因此固定發(fā)送信號(hào)數(shù)據(jù)量M=400,采用2種不同的經(jīng)典信道,其中信道一(CH1),采用權(quán)值和延時(shí)固定的合成信道,但含1個(gè)公零點(diǎn);信道二(CH2)[16],分別比較文獻(xiàn)[11]中的3種盲檢測(cè)算法、文獻(xiàn)[15]中二階統(tǒng)計(jì)量中的SSA以及本文基于 VSHNN的盲檢測(cè)算法的誤碼性能,如圖6所示。

        從圖6a和圖6b可知,二階統(tǒng)計(jì)量SSA盲檢測(cè)算法對(duì)含公零點(diǎn)的信道失效;文獻(xiàn)[11]中的盲檢測(cè)算法和本文提出的基于VSHNN的盲檢測(cè)算法均適用于兩種經(jīng)典信道,可以很好地解決信道含公零點(diǎn)的問(wèn)題,具有一定的普適性,且本文基于VSHNN的盲檢測(cè)算法的誤碼性能均優(yōu)于文獻(xiàn)[11]中的3種盲檢測(cè)算法。

        圖6 兩種經(jīng)典信道下VSHNN算法與其他盲檢測(cè)算法的誤碼性能比較

        4 小結(jié)

        本文使用反正切函數(shù)作為Hopfield神經(jīng)網(wǎng)絡(luò)的激活函數(shù),并將可變步長(zhǎng)的思想運(yùn)用到Hopfield神經(jīng)網(wǎng)絡(luò)盲檢測(cè)算法中,實(shí)現(xiàn)以可變步長(zhǎng)來(lái)進(jìn)行能量函數(shù)的收斂,成功實(shí)現(xiàn)了BPSK信號(hào)盲檢測(cè)。仿真結(jié)果表明,本文提出的基于VSHNN的盲檢測(cè)新算法所需數(shù)據(jù)量短,適用于高速的通信環(huán)境中,其誤碼性能和收斂速度都明顯優(yōu)于一些傳統(tǒng)文獻(xiàn)盲檢測(cè)算法,并且該算法對(duì)兩種常見(jiàn)的經(jīng)典信道都是適用的,具備一定的普適性。

        [1] ZHANG Y,ZHANG Z Y.Blind multi-valued signals detection using discrete Hopfield network[C]//Proc.2010 Sixth International Conference on Natural Computation.Beijing:IEEE Press,2010:1079-1083.

        [2]阮秀凱,張志涌.基于連續(xù)Hopfield型神經(jīng)網(wǎng)絡(luò)的QAM信號(hào)盲檢測(cè)[J].電子與信息學(xué)報(bào),2011,33(7):1600-1605.

        [3]張昀,張志涌.復(fù)數(shù)離散Hopfield網(wǎng)絡(luò)盲檢測(cè)64QAM信號(hào)[J].電子與信息學(xué)報(bào),2011,33(2):315-320.

        [4]馮迪,于舒娟,張昀.一種改進(jìn)激活函數(shù)的Hopfield盲檢測(cè)算法[J].計(jì)算機(jī)科學(xué)與發(fā)展,2012,22(12):207-210.

        [5]楊敏.Hopfield神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其在無(wú)線通信優(yōu)化中的應(yīng)用[D].濟(jì)南:山東大學(xué),2013.

        [6]倪志偉.BP網(wǎng)絡(luò)中激活函數(shù)的深入研究[J].安徽大學(xué)學(xué)報(bào):自然科學(xué)版,1997,21(3):48-51.

        [7]張志涌,BAI E W.SIMO含公零點(diǎn)信道的直接盲序列檢測(cè)[J].電子學(xué)報(bào),2005,33(4):671-675.

        [8]張昀.基于復(fù)數(shù)Hopfield神經(jīng)網(wǎng)絡(luò)的盲信號(hào)檢測(cè)[D].南京:南京郵電大學(xué),2012.

        [9]張昀,于大為,夏祎,等.基于自適應(yīng)交叉變異量子免疫信號(hào)盲檢測(cè)算法[J].電視技術(shù),2014,38(23):112-115.

        [10] SENGUPTA D,ILTISR A.Neural solution to the multitarget tracking data association problem[J].IEEE Trans.Aerospace and Electronic Systems,1989,25(1):96-108.

        [11]于舒娟,宦如松,張昀,等.基于混沌神經(jīng)網(wǎng)絡(luò)的盲檢測(cè)改進(jìn)新算法[J].物理學(xué)報(bào),2014,63(6):1-7.

        [12]張昀,張志涌.復(fù)數(shù)多值離散Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性研究[J].物理學(xué)報(bào),2011,60(9):200-207.

        [13] MA RN,CHU P,ZHANGSR.Stability conditions for discrete delayed Hopfield neural networks[C]//Proc.Third International Conference on Natural Computation.Haikou,China:IEEE Press,2007:468-472.

        [14] SHEN Y,WANG J.Robustness analysis of global exponential stability of recurrent neural networks in the presence of time delays and random disturbances[J].IEEE Trans.Neural Networks and Learning Systems,2012,23(1):87-96.

        [15] MOULINES E,DUHAMEL P,CARDOSO J F,et al.Subspace methods for the blind identification of multichannel FIR filters[J].IEEE Trans.Signal Processing,1995,43(2):516-525.

        [16] GIANNAKIS G B,STOICA P,HUA Y B.Signal processing advances in wireless and mobile communication[M].Upper Saddle River,NJ,USA:Prentice Hall,2001.

        猜你喜歡
        誤碼數(shù)據(jù)量步長(zhǎng)
        基于Armijo搜索步長(zhǎng)的BFGS與DFP擬牛頓法的比較研究
        基于大數(shù)據(jù)量的初至層析成像算法優(yōu)化
        計(jì)算Lyapunov指數(shù)的模糊C均值聚類小數(shù)據(jù)量法
        高刷新率不容易顯示器需求與接口標(biāo)準(zhǔn)帶寬
        寬帶信號(hào)采集與大數(shù)據(jù)量傳輸系統(tǒng)設(shè)計(jì)與研究
        電子制作(2019年13期)2020-01-14 03:15:18
        ZPW-2000A電碼化軌道電路誤碼問(wèn)題分析及解決方案
        一種基于CAN總線的誤碼測(cè)試方法
        電子制作(2018年11期)2018-08-04 03:25:58
        多支路兩跳PF協(xié)作系統(tǒng)的誤碼性能
        基于逐維改進(jìn)的自適應(yīng)步長(zhǎng)布谷鳥(niǎo)搜索算法
        誤碼問(wèn)題分析與處理
        欧美精品偷自拍另类在线观看| 东北女人一级内射黄片| 亚洲av中文无码乱人伦在线咪咕 | 天堂在线观看av一区二区三区| 精品中文字幕久久久人妻| 国产禁区一区二区三区| 99久久久无码国产精品6| 日韩成人免费一级毛片| 国产91九色视频在线播放| 最好看的亚洲中文字幕 | 蜜桃av噜噜一区二区三区| 国产亚洲精品综合在线网址| 日本一区二区三区清视频| 精品国产综合区久久久久久| 日韩av高清无码| 久久精品国产亚洲AⅤ无码剧情 | 一本到在线观看视频| 天堂а√在线中文在线新版| 亚洲综合五月天欧美| 人妻av在线一区二区三区| 人妻激情偷乱视频一区二区三区| 亚洲av无码一区二区三区系列| 无码专区无码专区视频网址| 性感美女脱内裤无遮挡| 久久精品国产亚洲av无码娇色| 欧美va免费精品高清在线| 久久精品国产亚洲av成人无人区| 色大全全免费网站久久| 野花社区视频www官网| 国产精品伦人视频免费看| 日本一区二区三区经典视频| 四虎影视成人永久免费观看视频| 亚洲人成7777影视在线观看| 中文字幕中乱码一区无线精品| 东北女人啪啪对白| 国产午夜精品久久久久免费视| 国产综合精品久久久久成人| 国产一区二区三区啊啊| 亚洲国产成人片在线观看无码| 97精品国产91久久久久久久| 日本国产一区在线观看|