公开(公告)号：CN108574653A

公开(公告)日：2018-09-25

申请号：CN201810351404.3

申请日：2018-04-19

Applicant: 南京邮电大学 ,  南京邮电大学南通研究院有限公司

Inventor： 张昀 ,  于舒娟 ,  李冰蕊 ,  陈少威 ,  杨杰 ,  曹建

IPC: H04L25/03 ,  H04L1/00

Abstract: 本发明公开了基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法，其特征在于，包括如下步骤：步骤SS1：构造接收数据矩阵XN；步骤SS2：对所述接收数据矩阵XN进行奇异值分解；步骤SS3：设置权矩阵W；步骤SS4：选择双Sigmoid迟滞混沌神经网络的激活函数，进行双Sigmoid迟滞混沌神经网络迭代运算，然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中，当所述能量函数E(t)达到最小值，则所述双Sigmoid迟滞噪声混沌神经网络达到平衡，迭代结束。本发明首次利用双Sigmoid混沌神经网络和迟滞噪声构成了一个双Sigmoid迟滞噪声混沌神经网络，增强了网络的优化性能，提高了网络优化解的质量，本发明的抗噪性能和收敛速度优于传统的Hopfield信号盲检测算法。

公开(公告)号：CN108574653B

公开(公告)日：2021-06-11

申请号：CN201810351404.3

申请日：2018-04-19

Applicant: 南京邮电大学 ,  南京邮电大学南通研究院有限公司

Inventor： 张昀 ,  于舒娟 ,  李冰蕊 ,  陈少威 ,  杨杰 ,  曹建

IPC: H04L25/03 ,  H04L1/00

Abstract: 本发明公开了基于双Sigmoid迟滞噪声混沌神经网络的信号盲检测方法，其特征在于，包括如下步骤：步骤SS1：构造接收数据矩阵XN；步骤SS2：对所述接收数据矩阵XN进行奇异值分解；步骤SS3：设置权矩阵W；步骤SS4：选择双Sigmoid迟滞混沌神经网络的激活函数，进行双Sigmoid迟滞混沌神经网络迭代运算，然后把每次迭代的结果代入双Sigmoid迟滞噪声混沌神经网络的能量函数E(t)中，当所述能量函数E(t)达到最小值，则所述双Sigmoid迟滞噪声混沌神经网络达到平衡，迭代结束。本发明首次利用双Sigmoid混沌神经网络和迟滞噪声构成了一个双Sigmoid迟滞噪声混沌神经网络，增强了网络的优化性能，提高了网络优化解的质量，本发明的抗噪性能和收敛速度优于传统的Hopfield信号盲检测算法。

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。