基于Hopfield神經(jīng)網(wǎng)絡(luò)的盲算法研究.pdf

1、Hopfield神經(jīng)網(wǎng)絡(luò)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(jù)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(jù)傳輸?shù)囊蟆Ｈ欢钊胙芯堪l(fā)現(xiàn)Hopfield神經(jīng)網(wǎng)絡(luò)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：
　　（1）在經(jīng)典Hopfield神經(jīng)網(wǎng)絡(luò)（Hopfield Neural Network, HNN）模型的基礎(chǔ)上構(gòu)建了雙Sigmoid Hopfield神

2、經(jīng)網(wǎng)絡(luò)（Double Sigmoid Hopfield Neural Network, DS-HNN），設(shè)計給出新網(wǎng)絡(luò)的結(jié)構(gòu)圖、新的激活函數(shù)和新的能量函數(shù)，并且分析了新網(wǎng)絡(luò)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(jīng)典Hopfield神經(jīng)網(wǎng)絡(luò)；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(chǔ)上構(gòu)建了正反饋

3、Hopfield神經(jīng)網(wǎng)絡(luò)（Positive Feedback Hopfield Neural Network, PFHNN），設(shè)計給出該網(wǎng)絡(luò)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(wǎng)絡(luò)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(wǎng)絡(luò)，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(wǎng)絡(luò)對信道有較強的魯棒性。
　?。?）首先在混沌神經(jīng)網(wǎng)絡(luò)（

4、Transiently Chaotic Hopfield Neural Network, TCHNN）的基礎(chǔ)上構(gòu)建了雙 Sigmoid混沌神經(jīng)網(wǎng)絡(luò)（Double Sigmoid Transiently Chaotic Hopfield Neural Network, DS-TCHNN），設(shè)計了適合于該網(wǎng)絡(luò)的兩個激活函數(shù)。然后根據(jù) TCHNN和DS-TCHNN的特性分別設(shè)計給出了這兩個網(wǎng)絡(luò)的能量函數(shù)，接著依據(jù) DS-TCHNN能量函數(shù)分別