公开(公告)号：CN106953820A

公开(公告)日：2017-07-14

申请号：CN201710224545.4

申请日：2017-04-07

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  陈少威 ,  张昀 ,  孟庆霞 ,  梅可 ,  梁颖 ,  张治民

IPC: H04L25/03 ,  H04L1/00

CPC classification number: H04L25/03165 ,  H04L1/0038 ,  H04L25/03923 ,  H04L2025/03464

Abstract: 本发明提供了基于双Sigmoid复数连续神经网络的信号盲检测方法，所述方法设计了新的激活函数以减弱在0点周围对网络输入值的敏感度；利用新激活函数，在不影响收敛时间的前提下，误码率下降，改善了抗噪声能力；为了提高系统收敛速度，在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构，构建本发明双Sigmoid复数连续Hopfield型神经网，在相同的信噪比条件下，以状态向量和平衡点之间的距离范数为指标，本发明双Sigmoid复数连续Hopfield型神经网络算法比传统双Sigmoid神经网络收敛速率更快，优化了HNN神经网络性能。

公开(公告)号：CN106612158A

公开(公告)日：2017-05-03

申请号：CN201611107580.X

申请日：2016-12-06

Applicant: 南京邮电大学

Inventor： 张昀 ,  李经纬 ,  于舒娟 ,  刘欢 ,  金超迪 ,  孟庆霞 ,  饶强

IPC: H04L1/00 ,  H04L25/03

CPC classification number: H04L1/0038 ,  H04L25/03165 ,  H04L2025/03464

Abstract: 本发明提出了一种基于复合正弦混沌神经网络的信号盲检测方法。所述方法采用复合正弦的混沌神经网络和Sigmoid组合的非单调的激励函数、时变的输出函数增益和分段指数退火函数构成了一个复合正弦混沌神经网络；每次迭代时，首先进入混沌神经网络，然后再进入激活函数；所述混沌神经网络具有可以避免陷于局部最小值。本发明方法继承了混沌神经网络这一特点，提高了盲检测性能；并且，该网络具有更加丰富灵活的暂态混沌动力学特性以及更强的全局搜索能力；在同等条件下，本发明的抗噪性能优于传统的Hopfield信号盲检测算法。