复值Hopfield神经网络的信号盲检测一步计算电路

信号盲检测在大规模通信网络中具有重要的意义并得到了广泛的应用,如何快速得到信号盲检测结果是新一代实时通信网络的迫切需求。为此,该文从模拟电路的角度设计了一种能加速信号盲检测的复值Hopfield神经网络(CHNN)电路,该电路可一步完成大规模并行计算,提高信号盲检测速度,同时该电路可以通过调整忆阻器的电导和输入电压来实现可编程功能。Pspice仿真结果表明,该电路的计算精度可达99%以上,运行时间比Matlab软件仿真快3个数量级,此外,该电路具有良好的鲁棒性,即使在20%的噪声干扰下,仍能保持99%以上的计算精度。

基于实虚型连续多值复数Hopfield神经网络的QAM盲检测

针对统计量算法盲检测QAM信号的缺陷,该文提出了一个实虚型连续多值复数Hopfield神经网络算法,该网络的实部、虚部各含一个连续多值实激活函数.该文构造了适用于该网络的能量函数,并分别在异步和同步更新模式下证明了该神经网的稳定性.当该神经网的权矩阵借助接收数据补投影算子构成时,该实虚型连续多值复数Hopfield神经网络可有效地实现QAM信号盲检测.仿真试验表明:该算法采用较短接收数据即可到达全局真解点,并且适用于含公零点信道.

改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。

基于连续Hopfield型神经网络的QAM信号盲检测

该文利用连续Hopfield网络本身特点,提出基于连续复Hopfield网络的多值方形/非方形QAM信号的直接盲检测方法。首先完成多值信号盲检测的优化问题构造和能量函数的映射,设计了一个适用于该问题的激活函数。然后给出能量函数的设计与分析、盲检测信号权矩阵的配置方法及其神经元数目选择的一般规律。最后通过对方形QAM和非方形QAM信号的仿真现象展示和分析,验证了所提方法的有效性和鲁棒性。

复数离散Hopfield网络盲检测64QAM信号

针对复数多电平QAM信号的盲检测问题,该文提出了一个新的复数离散多电平Hopfield神经网络。该网络的实部、虚部各含一个多电平离散激励实函数。该文分析了经典两电平离散Hopfield神经网络能量函数的局限性,构造了一个新的复数多电平神经网的能量函数,并用此能量函数讨论了神经网的稳定性。当该神经网的权矩阵借助接收数据补投影算子构成时,该复数离散多电平Hopfield网络可有效地求解带整数约束的二次规划问题,从而实现QAM信号盲检测。仿真试验表明:该算法所需接收数据较短,就可到达全局真平衡点,计算难度大大降低,具有良好的快速性。

改进的混沌Hopfield神经网络盲检测算法

以提高Hopfield神经网络盲检测算法激活函数的灵活性为目标,提出一种在原点附近非线性逼近能力更优的激活函数。针对算法存在陷入局部最优的情况,利用混沌映射优良的遍历性和类随机性,在算法起始点利用混沌产生初始序列,在当前全局最优值不变时进行小幅度混沌扰动,以减少算法的误码性能。仿真结果表明,基于激活函数和混沌映射相结合的改进算法,能够提高神经元输入值敏感区域抗干扰能力,加快收敛速度,提高盲检测性能。

基于Hopfield神经网络的盲检测数字水印

提出了一种基于Hopfield神经网络的盲检测数字水印算法。基于噪声可见函数实现了水印的自适应嵌入,利用Hopfield神经网络记忆宿主图像以及原始水印信息。在水印检测时,通过神经网络从嵌入水印的图像中联想出宿主图像和水印嵌入信息,再利用嵌水印图像和联想出的宿主图像提取出水印,实现了水印的盲检测。

基于Tank&Hopfield神经网络的盲多用户检测器

盲自适应多用户检测器只需知道期望用户的扩频码及定时信息 ,就可以实现对多址干扰的有效抑制。本文提出了一种基于 TH ( Tank and Hopfield)神经网络的盲多用户检测器 ,通过采用 TH神经网络来计算检测器的最优权值 ,从而提高了检测器的收敛速度。仿真实验的结果表明这一方法具有良好的多址干扰抑制能力。

一种改进激活函数的Hopfield盲检测算法

利用连续型Hopfield神经网络实现无线通信信号的盲检测是一种较为有效的方法,但是其抗干扰性能较差,在低信噪比等复杂环境下算法的误码率过高。为了解决连续型Hopfield盲检测算法的不足,文中对传统的激活函数进行了改进,并给出了一种新的激活函数,新激活函数有效地降低了算法对噪声的敏感度,极大地提高了算法的抗干扰能力。仿真表明,在低信噪比、大数据量等复杂环境下,改进后的算法表现出了较强的抗干扰能力和稳健性,性能得到了显著的提高。

基于可变步长的Hopfield神经网络盲检测算法

使用一种新的激活函数,来提高Hopfield神经网络(Hopfield Neural Network,HNN)的抗干扰性能。为解决采用新激活函数后收敛速度较慢的问题,设计了一种基于可变步长的Hopfield神经网络(Variable Step Hopfield Neural Network,VSHNN)盲检测算法。仿真实验表明,与传统盲检测算法相比,VSHNN盲检测算法加快了能量函数收敛速度,提高了算法的抗干扰性能。

基于恒模算法的Hopfield神经网络盲多用户检测算法的研究

将恒模算法与Hopfield神经网络的能量函数相结合,提出了基于连续Hopfield神经网络的盲多用户信号检测算法。

基于神经网络的图像盲水印技术

将水印嵌入到宿主图像的小波变换域的低频分量;利用BP神经网络的自学习、自适应的特性和一段已知序列训练神经网络,根据确定的神经网络模型可实现水印的盲提取;在神经网络的输入信号计算上提出选择邻域窗口为3*3方形窗口比十字窗口具有更好的实验效果。仿真实验结果表明该算法对常用的图像处理如JPEG压缩、剪切、加噪和滤波等攻击具有较好的鲁棒性和不可见性。

用于三维点集形状模型的水印算法

对定义在一系列无方向点集上的3D形状模型提出一种新的数字水印方案。首先应用神经网络的方法对点集模型进行学习,根据在学习过程中神经网格法线的变化情况,找到特征点。最后对已加水印的点集模型应用不同的攻击,比如剪切、(模拟)简化和附加随在特征点附近嵌入水印信息机噪声之后,结果显示通过这种方案嵌入的水印,在某种程度上仍可以被检测到。

基于一次Bézier曲线和Chebyshenv神经网络的DCT彩色盲水印算法

提出了一种基于一次Bézier曲线和Chebyshenv神经网络离散余弦变换(DCT)的彩色图像盲水印算法,载体图像和水印信息都是彩色图像。

一次Bézier曲线和Legendre神经网络的彩色盲水印算法

针对目前多数图像数字水印算法的载体是灰度图像,无色彩信息,水印信息是二值图像,水印信息量少,适用性差等不足,提出了一种基于一次Bézier曲线和Legendre神经网络小波变换(DWT)的彩色图像盲水印算法,载体图像和水印信息都是彩色图像。首先,将载体图像进行颜色空间转换并对载体图像的亮度分量进行DWT,然后将水印图像进行三基色分离,并对每个颜色分量同时进行Logistic混沌置乱和离散Haar小波分解。最后将每个颜色分量小波分解的四个矩阵系数按照一次Bézier曲线公式嵌入到载体图像的DWT中频子带系数中。实验结果表明,水印的透明性好,对于常见的噪声、裁剪、旋转、JPEG压缩等具有较好的鲁棒性。

基于双Sigmoid小波混沌神经网络的盲检测算法

针对在盲检测环境中暂态混沌神经网络的缺陷,提出了基于双Sigmoid小波混沌神经网络的盲检测算法,构建了新网络的模型和能量函数,并分别在同步和异步更新模式下证明了该网络的稳定性。新网络的设计思想体现在:采用墨西哥帽小波函数和Sigmoid函数的组合作为网络的激励函数,再为每个神经元加一个激活函数构成双Sigmoid。仿真表明:由于小波函数较强的逼近能力以及双Sigmoid快速收敛的特性,提出的算法显著地提高了网络的全局寻优能力和寻优精度。

基于BP神经网络的盲数字水印算法

该文将二值水印嵌入到宿主图像的小波变换域的低频分量中，利用BP神经网络很好的非线性映射和自学习、自适应学习特点实现水印信息的盲提取，仿真实验结果表明该算法既能抵抗常规的图像处理攻击，也能抵抗一定程度的几何攻击，如JPEG压缩、剪切、加噪和滤波等，具有较好的鲁棒性和不可见性。

基于幅值相位型离散Hopfield神经网络的多进制振幅键控盲检测

针对统计量算法盲检测多进制振幅键控(MPSK)信号的缺陷,提出了一种幅值相位型连续多值复数Hopfield神经网络算法,构造了适用于MPSK信号的幅相型离散多电平激活函数,并分别在异步和同步更新模式下证明了该神经网的稳定性.当该神经网的权矩阵借助接收数据补投影算子构成时,该幅相型离散Hopfield神经网络可有效地实现MPSK信号盲检测.仿真试验表明:该算法所需接收数据较短,可到达全局真解点,并且适用于含公零点信道.

复数多值离散Hopfield神经网络的稳定性研究

本文提出了一个新的复数多电平离散Hopfield神经网络,构造了新的适用于复数多电平离散神经网的激活函数和能量函数,分别讨论了异步与同步更新模式下神经网的稳定性.该能量函数不仅能描述文献能量函数不适用的复数多值Hopfield神经网的动力学特性,而且能保证待盲检测信号位于能量函数的最小值点.为验证CMDHNN的有效性,利用本文特有的性能函数下所构造的联结权阵盲检测MQAM信号.仿真试验表明:本算法仅需较短接收数据就可有效盲检测MQAM星座信号,仿真也证明了CMDHNN能量函数全局最小值的稳定性推论.

基于复值多态连续Hopfield网络的MPSK信号盲检测

为实现多进制相移键控(M-ary quaternary phase shift keying,MPSK)信号的直接盲检测,给出一种直接盲检测发送信号的性能优化函数,进而提出一种新的复值多态连续激励函数形式来提高网络性能,并设计出一个新的能量函数来分析网络的稳定性,以求利用复值Hopfield神经网络来解决直接盲检测发送信号性能函数的优化问题。计算机仿真结果表明,与子空间算法等经典算法相比,新方法具有较好的收敛性,能有效实现相移键控信号盲检测。