專利名稱：：基于離散全反饋神經(jīng)網(wǎng)絡(luò)的多電平信號(hào)盲檢測(cè)方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及無(wú)線通信信號(hào)處理領(lǐng)域及神經(jīng)網(wǎng)絡(luò)領(lǐng)域，尤其是涉及無(wú)線傳感器網(wǎng)絡(luò)的中間處理節(jié)點(diǎn)與網(wǎng)關(guān)(Sink)接收端之間的多電平信號(hào)盲檢測(cè)。
背景技術(shù)：
：無(wú)線傳感器網(wǎng)絡(luò)能夠讓多個(gè)設(shè)備以協(xié)作的方式檢測(cè)建筑物、橋梁的應(yīng)力形變、檢測(cè)事件威脅，跟蹤敵對(duì)目標(biāo)、支持無(wú)人駕駛的機(jī)器人車輛等，具有協(xié)作地實(shí)時(shí)檢測(cè)、感知和采集各種環(huán)境或監(jiān)測(cè)對(duì)象信息并處理，傳送到需要的用戶。作為一種比較特殊的無(wú)線網(wǎng)絡(luò)，無(wú)線傳感器網(wǎng)絡(luò)強(qiáng)調(diào)設(shè)備間的通信，它的網(wǎng)絡(luò)節(jié)點(diǎn)由于使用一個(gè)很小的電池作為電源，無(wú)法被充電和替換，因此有非常嚴(yán)格的能力限制，減低能耗是最重要的一種設(shè)計(jì)需求。同時(shí)，與傳統(tǒng)的網(wǎng)絡(luò)以連接為中心的特點(diǎn)不同，無(wú)線傳感器網(wǎng)絡(luò)是以數(shù)據(jù)為中心，即無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)具有數(shù)據(jù)轉(zhuǎn)發(fā)和處理功能。無(wú)線傳感器節(jié)點(diǎn)將本地處理過(guò)的數(shù)據(jù)傳輸?shù)街虚g處理節(jié)點(diǎn)，中間處理節(jié)點(diǎn)作為數(shù)據(jù)融合節(jié)點(diǎn)，可以對(duì)接收到的多個(gè)信息進(jìn)行相應(yīng)的融合及智能處理，最后將信息發(fā)送到數(shù)據(jù)接收Sink端口。如果節(jié)點(diǎn)與數(shù)據(jù)接收者的距離較遠(yuǎn)，則需要將多個(gè)中間處理節(jié)點(diǎn)以中繼的方式把信號(hào)傳送到Sink端(見圖l)。中間處理節(jié)點(diǎn)與Sink節(jié)點(diǎn)的信道由于直射、繞射及散射等傳播途徑的影響而具有典型的多徑衰落特性，而Sink節(jié)點(diǎn)可能存在快速移動(dòng)性，中間處理節(jié)點(diǎn)與Sink節(jié)點(diǎn)之間的信道處于深度衰落，接收容易發(fā)生差錯(cuò)甚至于無(wú)法接收。信號(hào)盲檢測(cè)技術(shù)能有效對(duì)抗無(wú)線信道衰落特性。但是傳統(tǒng)的盲檢測(cè)方法均以二階統(tǒng)計(jì)量或高階統(tǒng)計(jì)量為基礎(chǔ)，所需的數(shù)據(jù)量都相當(dāng)大且都一定要求信號(hào)均值為0，因此不適用于無(wú)線傳感器網(wǎng)絡(luò)。多進(jìn)制正交幅度調(diào)制MQAM(Multi-QuadratureAmplitudeModulated)由于其高頻譜利用率而得到廣泛應(yīng)用，但是QAM調(diào)制信號(hào)抗誤碼性能和抗衰落性能較低。經(jīng)典離散全反饋神經(jīng)網(wǎng)絡(luò)Hopfield網(wǎng)絡(luò)DHNN(Discretehopfieldneuralnetwork)是基于二值神經(jīng)元模型的，激活函數(shù)采用符號(hào)函數(shù)，因此只能局限于處理二進(jìn)制信號(hào)，且討論也都局限在實(shí)數(shù)神經(jīng)網(wǎng)，顯然不能適應(yīng)現(xiàn)代通信發(fā)展中MQAM信號(hào)盲檢測(cè)研究的需求。文獻(xiàn)[張志涌，E.Bai，Zhang，SM0含公零點(diǎn)信道的直接盲序列檢測(cè)，電子學(xué)報(bào)，vol.33，no.4，2005:671-675.]提出了利用字符集盲檢測(cè)BPSK的實(shí)數(shù)二電平信號(hào)的DHNN;該算法不能檢測(cè)MQAM復(fù)數(shù)多電平信號(hào)。文獻(xiàn)[張志涌，張昀，復(fù)數(shù)Hopfield盲恢復(fù)多用戶QPSK信號(hào)，東南大學(xué)學(xué)報(bào)，Vol.38，Sup(11)，Nov.2008:18-22]給出了利用字符集盲檢測(cè)QPSK復(fù)數(shù)二電平信號(hào)的DHNN;此算法也不能盲檢測(cè)MQAM復(fù)數(shù)多電平信號(hào)。文獻(xiàn)[J.M.Zurada，NeuralNetworks.BinaryMonotonicandMultiple-Valued.Proc.ofthe30thIEEEInternationalSymposiumonMultiple—ValuedLogic,Portland,Oregon,May23-25,2000:67-74]提出了多電平連續(xù)激活函數(shù)和相應(yīng)的實(shí)數(shù)域CHNN連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)。其神經(jīng)網(wǎng)絡(luò)的權(quán)矩陣與本發(fā)明的權(quán)矩陣的來(lái)源和構(gòu)造有根本不同。此文獻(xiàn)的神經(jīng)網(wǎng)絡(luò)只能解決實(shí)數(shù)域非盲的去噪問(wèn)題，即"聯(lián)想記憶"問(wèn)題，而不能解決信號(hào)未知情況下的復(fù)數(shù)域最優(yōu)解問(wèn)題，即MQAM盲檢測(cè)問(wèn)題。
發(fā)明內(nèi)容技術(shù)問(wèn)題本發(fā)明的目的是提供一種基于離散全反饋神經(jīng)網(wǎng)絡(luò)的多電平信號(hào)盲檢測(cè)方法，解決了信號(hào)未知情況下的復(fù)數(shù)域最優(yōu)解問(wèn)題，為無(wú)線通信網(wǎng)、特別是無(wú)線傳感器網(wǎng)絡(luò)Sink提供了準(zhǔn)確的信號(hào)盲檢測(cè)方法。技術(shù)方案本發(fā)明的一種基于離散霍普菲爾德神經(jīng)網(wǎng)絡(luò)的多電平信號(hào)盲檢測(cè)方法，利用復(fù)數(shù)離散多電平激活函數(shù)，采用適當(dāng)?shù)脑鲆嫦禂?shù)a，構(gòu)造復(fù)數(shù)離散Hopfield神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)多電平多進(jìn)制正交幅度調(diào)制MQAM信號(hào)的盲檢測(cè)，具體步驟如下A.網(wǎng)關(guān)Sink端接收單個(gè)中間節(jié)點(diǎn)所發(fā)射的信號(hào)，并進(jìn)行過(guò)采樣，得到Sink端離散時(shí)間信道的接收方程xN=srh式中，M:信道階數(shù)；L:均衡器階數(shù)；N:本方案算法所需數(shù)據(jù)長(zhǎng)度；S=K+M(a:),，Si+M(a+-1)](7,^+,)xw是發(fā)送信號(hào)陣，SL+M(k)=[s(k)，…，s(k-L-M)]T;S=sK+iSl為復(fù)數(shù)信號(hào)，實(shí)部Sp虛部Si都屬于集合A，A={±1，±3，…，±dn|dn=1+2(n—1)}，=1，Ad=dj+1—dj=2，jG[1，n-l]，2n為相應(yīng)信號(hào)集合的電平數(shù)，r=rL(hj)是塊To印litz矩陣，由hj，j=O，l，…，M構(gòu)成；[h。，，hM]qX(M+1)是中間處理節(jié)點(diǎn)和Sink端之間的信道沖激響應(yīng)；()h表示Hermitian轉(zhuǎn)置；(XN)NX(L+1)q=[xL(k)，…，xl(k+N-l)]T是Sink端接收數(shù)據(jù)陣；xL(k)=rSL+M(k);B.設(shè)置權(quán)矩陣W二I-Q式中q:uu//^是奇異值分解乂"=[11，11」-陣；C.利用Hopfield動(dòng)力學(xué)方程s(k+l)=o(aWs(k))進(jìn)行迭代，直到s(k+1)=s(k)式中o[]=。K[]+i]，且-V"中的酉基陣；I是單位m為R或者I，表示o[]的實(shí)數(shù)部分，oj*]表示o[]的虛數(shù)部分，D.a是增益系數(shù)，為滿足離散Hopfield神經(jīng)網(wǎng)絡(luò)處理多電平信號(hào)的特定要求，a必《_1《_1須滿足不等式^~<"^。有益效果本發(fā)明的意義在于構(gòu)造了多電平復(fù)數(shù)離散Hopfield網(wǎng)絡(luò)，解決了信號(hào)未知情況下的復(fù)數(shù)域最優(yōu)解問(wèn)題，為無(wú)線通信網(wǎng)、特別是無(wú)線傳感器網(wǎng)絡(luò)Sink提——供了準(zhǔn)確的信號(hào)盲檢測(cè)方法。新方案與已有的盲檢測(cè)算法相比，不依賴任何統(tǒng)計(jì)信息，既不依賴先驗(yàn)已知的星座統(tǒng)計(jì)量，也不依賴接收信號(hào)的任何二階或高階統(tǒng)計(jì)量，因此只需極短接收數(shù)據(jù)就可實(shí)現(xiàn)計(jì)算目標(biāo)，能夠適用于統(tǒng)計(jì)量無(wú)意義場(chǎng)合和信道時(shí)變場(chǎng)合。圖1本發(fā)明無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)信號(hào)傳輸模型。圖2本發(fā)明離散多電平Hopfield神經(jīng)網(wǎng)結(jié)構(gòu)圖。圖3本發(fā)明復(fù)離散激活函數(shù)o()結(jié)構(gòu)。圖4本發(fā)明八電平離散激活函數(shù)。圖5本發(fā)明增益系數(shù)a不同取值區(qū)間對(duì)應(yīng)的穩(wěn)定狀態(tài)字符集。具體實(shí)施例方式利用復(fù)數(shù)離散多電平激活函數(shù)，采用適當(dāng)?shù)脑鲆嫦禂?shù)a，構(gòu)造復(fù)數(shù)離散Hopfield神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)多電平多進(jìn)制正交幅度調(diào)制MQAM(Multi-QuadratureAmplitudeModulated)信號(hào)的盲檢測(cè)，具體按如下步驟進(jìn)行A.網(wǎng)關(guān)Sink端接收單個(gè)中間節(jié)點(diǎn)所發(fā)射的信號(hào)，并進(jìn)行過(guò)采樣，得到網(wǎng)關(guān)Sink端離散時(shí)間信道的接收方程n-l]，xN=srH式中，S=[si+jW(",…,s城(fc+AT-1)f"M+,)^是發(fā)送信號(hào)陣，sL+M(k)=[s(k)，"，S(k-L-M)]T;s=sK+iSl為復(fù)數(shù)，實(shí)部s"虛部Sl都屬于集合A，A={±1，±3，…，±dn|dn=1+2(n—1)}，=1，Ad=dj+1—dj=2，jG[1，2n為相應(yīng)信號(hào)集合的電平數(shù)，r=rL(hj)是塊To印litz矩陣，由hj，j=0，1，…，M構(gòu)成；[h。，，hM]qX(M+1)是中間處理節(jié)點(diǎn)和Sink端之間的信道沖激響應(yīng)；()H表示Hermitian轉(zhuǎn)置；(XN)NX(L+1)q=[xL(k)，…，XL(k+N-l)]T是Sink端接收數(shù)據(jù)陣；xL(k)=rsL+M(k)B.設(shè)置權(quán)矩陣W=I-Q一D式中(3=111^，u。是奇異值分解Xw二[u，u〗0V"中的酉基陣；5C.利用Hopfield動(dòng)力學(xué)方程s(k+l)=o(aWs(k))進(jìn)行迭代，直到s(k+1)S(k)，式中O[]=。K[]+i]，且<formula>formulaseeoriginaldocumentpage6</formula>m為R或者I，表示o[]的實(shí)數(shù)部分，oj*]表示o[]的虛數(shù)部分，D.a是增益系數(shù)，為滿足離散Hopfield神經(jīng)網(wǎng)絡(luò)處理多電平信號(hào)的特定要求，a必須滿足不等式-<formula>formulaseeoriginaldocumentpage6</formula>根據(jù)接收信號(hào)與發(fā)送信號(hào)之間的子空間關(guān)系，建立了直接盲檢測(cè)發(fā)送信號(hào)的優(yōu)化性能函數(shù)。與迄今文獻(xiàn)方法不同，本發(fā)明所建立的性能函數(shù)不依賴任何統(tǒng)計(jì)信息。具體的說(shuō)，本發(fā)明既不依賴先驗(yàn)已知的星座統(tǒng)計(jì)量，也不依賴接收信號(hào)的任何二階或高階統(tǒng)計(jì)量，而是直接地、充分地利用星座所屬的字符集，將盲檢測(cè)問(wèn)題轉(zhuǎn)化為求解二次規(guī)劃問(wèn)題。構(gòu)造了一個(gè)復(fù)數(shù)多電平離散Hopfield神經(jīng)網(wǎng)絡(luò)，通過(guò)求解二次規(guī)劃最優(yōu)解實(shí)現(xiàn)MQAM信號(hào)盲檢測(cè)。重新定義了復(fù)數(shù)多電平離散Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、云；函數(shù)和增益系數(shù)，以滿足MQAM信號(hào)盲檢測(cè)的特定要求。在詳細(xì)說(shuō)明之前，首先定義系統(tǒng)中使用的一些名詞、符號(hào)以及公式M:信道階數(shù)L:均衡器階數(shù)N:本方案算法所需數(shù)據(jù)長(zhǎng)度q:過(guò)采樣因子E口臺(tái)匕」(')k:取實(shí)部(*)1:取虛部()h:Hermitian轉(zhuǎn)置()T:矩陣轉(zhuǎn)置!_」:取整運(yùn)算mod(，N)為模N運(yùn)算。下面結(jié)合附圖進(jìn)一步詳細(xì)說(shuō)明本發(fā)明的思想。圖1是本發(fā)明無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)信號(hào)傳輸模型。根據(jù)該模型，無(wú)線傳感器中間處理節(jié)點(diǎn)負(fù)責(zé)傳送所收集的節(jié)點(diǎn)信息經(jīng)多徑衰落信道至Sink節(jié)點(diǎn)。定義1忽略噪聲時(shí)，Sink端接收單個(gè)中間節(jié)點(diǎn)所發(fā)射的信號(hào)，并進(jìn)行過(guò)采樣，則Sink端離散時(shí)間信道的接收方程定義如下xN=srH(l)其中，發(fā)送信號(hào)陣S=K+M(",■..,si+M(A:+—，sL+M(k)=[s(k)，，S(k-L-M)]T;r=r\(hj)是hj，j=O，l，…，M構(gòu)成的塊To印litz矩陣，維數(shù)為(L+l)qX(L+M+l);[h。，…，hM]qX(M+1)是中間處理節(jié)點(diǎn)和Sink端之間的信道沖激響應(yīng)，Sink端接收數(shù)據(jù)陣為(XN)Nxa+1)q=[xL(k)，…，&(k+N-l)]T，XL(k)=±3，.肌定義2對(duì)于式(i)，r滿列秩時(shí)，構(gòu)造性能函數(shù)及優(yōu)化問(wèn)題(2)■s=argmm^0}(3)其中，s=sK+is工表示復(fù)向量，其元素的實(shí)部、虛部都屬于集合A，A={±1，±dn|dn=l+2(n-l))，c^=1，Ad=dj+1-dj=2，jG[l，n-l]。r滿列秩時(shí)，一定有Q^UcUf滿足QsN(k-d)=0。其中d=0，…，M+L，且UeGRnx(n-(固+")是奇異值分解D-0實(shí)際上，盲檢測(cè)問(wèn)題就是式(3)的全局最優(yōu)解問(wèn)題。圖2是離散復(fù)數(shù)多電平Hopfield神經(jīng)網(wǎng)結(jié)構(gòu)圖，圖3是復(fù)離散激活函數(shù)o()結(jié)構(gòu)圖，圖4是八電平離散激活函數(shù)。1)該神經(jīng)網(wǎng)的動(dòng)力學(xué)方程是s(k+l)=sK(k+l)+i*Sl(k+l)=o(a.Ws(k))V"中的酉基陣'(4)1，2，.其中狀態(tài)向量s(k)=[Sl(k)，s2(k)，，sN(k)]T，{sKj(k)GA，Slj(k)GA|jN};權(quán)矩陣WGcwxa為正實(shí)標(biāo)量增益系數(shù)。復(fù)數(shù)多電平離散激活函數(shù)o[]=oK[]+i]。且有(7,1+2.=0義A0<|拃《-l,mod(|/|,2)^00<|—《-1,mod剩，2)=0《-1<W其中，m為R或者I。式(4)中第j個(gè)狀態(tài)變量(j=1，("i)=b冷("J，、("！)=°v[a("J30("=+>V=w乂A=4，=1，Ad:(5)，N)具體定義如下(6)2，dn(7)7時(shí)，對(duì)應(yīng)的多2n為相應(yīng)信號(hào)集合的電平數(shù)。當(dāng)取n電平離散激活函數(shù)oK[t]如圖4所示。2)能量函數(shù)定理1:在圖2所示的采用式(4)、式(5)描述的多電平離散Hopfield神經(jīng)網(wǎng)中，7若W是Hermitian矩陣，W表述。WH，那么該神經(jīng)網(wǎng)在異步工作模式下的能量函數(shù)可以用式(8)<formula>formulaseeoriginaldocumentpage8</formula>在式(9)、(10)中b二(Ad)2，其幾何意義見圖4。^M1:在圖2所示的采用式(4)、式(5)描述的多狀態(tài)Hopfield神經(jīng)網(wǎng)中，若W是Hermitian矩陣，W二WH，那么該神經(jīng)網(wǎng)在同步工作模式下的能量函數(shù)可以用式(11)表述。卿"s"(罪s(A;-l)+6.S<formula>formulaseeoriginaldocumentpage8</formula>(11)3)增益系數(shù)a的確定。圖5是增益參數(shù)a不同取值區(qū)間對(duì)應(yīng)的穩(wěn)定狀態(tài)字符集。結(jié)論一設(shè)離散多電平HoDfield神經(jīng)網(wǎng)(圖2)采用的多電平離散激活函數(shù)值，其元素的實(shí)部、虛部都屬于集合A，A二{±1，±3，…，±dn|dn=l+2(n-l)}。若要保證狀態(tài)sK(k)、Sl(k)的穩(wěn)定值遍及整個(gè)字符集，則增益系數(shù)a必須滿足不等式函數(shù)sK<formula>formulaseeoriginaldocumentpage8</formula>在增益系數(shù)a的不同取值區(qū)間中，神經(jīng)元系統(tǒng)穩(wěn)定的狀態(tài)取值字符集也不同，詳細(xì)情況參見圖5和表1。在圖5中，在不同區(qū)間中的直線xK=asK與離散激活=oK(xK)的交點(diǎn)反映單神經(jīng)元系統(tǒng)穩(wěn)定狀態(tài)取值字符集。<table>tableseeoriginaldocumentpage9</column></row><table>表1增益系數(shù)a不同區(qū)間所對(duì)應(yīng)的穩(wěn)定狀態(tài)取值字符集權(quán)利要求一種基于離散全反饋神經(jīng)網(wǎng)絡(luò)的多電平信號(hào)盲檢測(cè)方法，其特征是利用復(fù)數(shù)離散多電平激活函數(shù)，采用適當(dāng)?shù)脑鲆嫦禂?shù)a，構(gòu)造復(fù)數(shù)離散Hopfield神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)多電平多進(jìn)制正交幅度調(diào)制MQAM信號(hào)的盲檢測(cè)，具體步驟如下A.網(wǎng)關(guān)Sink端接收單個(gè)中間節(jié)點(diǎn)所發(fā)射的信號(hào)，并進(jìn)行過(guò)采樣，得到Sink端離散時(shí)間信道的接收方程XN＝SΓH式中，M信道階數(shù)；L均衡器階數(shù)；N本方案算法所需數(shù)據(jù)長(zhǎng)度；<mrow><mi>S</mi><mo>=</mo><msubsup><mrow><mo>[</mo><msub><mi>s</mi><mrow><mi>L</mi><mo>+</mo><mi>M</mi></mrow></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>s</mi><mrow><mi>L</mi><mo>+</mo><mi>M</mi></mrow></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><mi>N</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>]</mo></mrow><mrow><mrow><mo>(</mo><mi>L</mi><mo>+</mo><mi>M</mi><mo>+</mo><mn>1</mn><mo>)</mo></mrow><mo>&times;</mo><mi>N</mi></mrow><mi>T</mi></msubsup></mrow>是發(fā)送信號(hào)陣，sL+M(k)＝[s(k)，…，s(k-L-M)]T；s＝sR+i·sI為復(fù)數(shù)信號(hào)，實(shí)部sR、虛部sI都屬于集合A，A＝{±1，±3，…，±dn|dn＝1+2(n-1)}，d1＝1，Δd＝dj+1-dj＝2，j∈[1，n-1]，2n為相應(yīng)信號(hào)集合的電平數(shù)，Γ＝ΓL(hj)是塊Toeplitz矩陣，由hj，j＝0，1，…，M構(gòu)成；[h0，…，hM]q×(M+1)是中間處理節(jié)點(diǎn)和Sink端之間的信道沖激響應(yīng)；(·)H表示Hermitian轉(zhuǎn)置；(XN)N×(L+1)q＝[xL(k)，…，xL(k+N-1)]T是Sink端接收數(shù)據(jù)陣；xL(k)＝Γ·sL+M(k)；B.設(shè)置權(quán)矩陣W＝I-Q式中Uc是奇異值分解中的酉基陣；I是單位陣；C.利用Hopfield動(dòng)力學(xué)方程s(k+1)＝σ(a·Ws(k))進(jìn)行迭代，直到s(k+1)＝s(k)式中σ[·]＝σR[·]+i·σI[·]，且m為R或者I，σR[·]表示σ[·]的實(shí)數(shù)部分，σI[·]表示σ[·]的虛數(shù)部分，D.a是增益系數(shù)，為滿足離散Hopfield神經(jīng)網(wǎng)絡(luò)處理多電平信號(hào)的特定要求，a必須滿足不等式F200910232495XC0000012.tif,F200910232495XC0000013.tif,F200910232495XC0000021.tif,F200910232495XC0000022.tif全文摘要本發(fā)明公開了一種基于離散全反饋神經(jīng)網(wǎng)絡(luò)的多電平信號(hào)盲檢測(cè)方法。該方法根據(jù)無(wú)線傳感器網(wǎng)絡(luò)的網(wǎng)關(guān)(Sink)節(jié)點(diǎn)接收信號(hào)與中間處理節(jié)點(diǎn)發(fā)送信號(hào)之間的子空間關(guān)系，建立直接盲檢測(cè)發(fā)送信號(hào)的優(yōu)化性能函數(shù)，將盲檢測(cè)問(wèn)題轉(zhuǎn)化為求解二次規(guī)劃問(wèn)題。進(jìn)而構(gòu)造了離散復(fù)數(shù)多電平Hopfield神經(jīng)網(wǎng)絡(luò)，根據(jù)多電平信號(hào)盲檢測(cè)的特定要求，重新定義復(fù)數(shù)多電平離散Hopfield神經(jīng)網(wǎng)絡(luò)的神經(jīng)元表能量函數(shù)、運(yùn)行方程和增益系數(shù)，將復(fù)數(shù)多電平Hopfield神經(jīng)網(wǎng)絡(luò)作為無(wú)線傳感器網(wǎng)絡(luò)MQAM信號(hào)的盲檢測(cè)算法，本算法只需極短接收數(shù)據(jù)就可實(shí)現(xiàn)計(jì)算目標(biāo)，能夠適用于統(tǒng)計(jì)量無(wú)意義場(chǎng)合。搜索空間縮小，難度大大降低，搜索時(shí)間顯著優(yōu)于其他盲檢測(cè)算法，系統(tǒng)性能得到了相應(yīng)的提高。文檔編號(hào)H04L27/34GK101719885SQ20091023249公開日2010年6月2日申請(qǐng)日期2009年11月27日優(yōu)先權(quán)日2009年11月27日發(fā)明者張志涌,張昀,阮秀凱申請(qǐng)人:南京郵電大學(xué)