一種基于混沌神經(jīng)網(wǎng)絡(luò)的cd一種多級檢測技術(shù)

一種基于混沌神經(jīng)網(wǎng)絡(luò)的cd一種多級檢測技術(shù)

1基于前饋型神經(jīng)網(wǎng)絡(luò)的多用戶檢測多頭檢測技術(shù)解決了cd系統(tǒng)的遠(yuǎn)程效應(yīng)問題，降低了系統(tǒng)電源的要求，顯著提高了整個系統(tǒng)的容量。并且具有良好的快速優(yōu)化算法技術(shù)，可以顯著降低成本。因此，基于mc系統(tǒng)的多因素檢測器可以深入研究和應(yīng)用。文獻(xiàn)[1]提出一種基于前饋型神經(jīng)網(wǎng)絡(luò)的多用戶檢測器,文獻(xiàn)[2]提出基于Hopfield神經(jīng)網(wǎng)絡(luò)的多用戶檢測器(HopfieldNeuralNetworkMultiuserDetector,HNN-MD),文獻(xiàn)[3]將暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)(TransientlyChaoticNeuralNetwork,TCNN)應(yīng)用于多用戶檢測器,文獻(xiàn)[4]將混沌神經(jīng)網(wǎng)絡(luò)與無約束最小化技術(shù)結(jié)合,通過引入懲罰函數(shù)加快網(wǎng)絡(luò)收斂速度。懲罰函數(shù)的原則是:在約束區(qū)域內(nèi)懲罰項沒有懲罰作用;在約束區(qū)域外有懲罰作用,且離約束區(qū)域越遠(yuǎn)懲罰得越厲害。有時要求懲罰因子取得相當(dāng)大,往往使Hess矩陣產(chǎn)生病態(tài),從而使網(wǎng)絡(luò)優(yōu)化效率受到影響2基于信號匹配濾波器的多用戶檢測模型考慮一個用戶數(shù)為K的二進(jìn)制直接序列碼分多址(DirectSequenceCodeDivisionMultipleAccess,DS/CDMA)基帶通信系統(tǒng),當(dāng)各用戶同步時,只需考慮一個比特周期內(nèi)的信號檢測接收信號通過匹配濾波器組以后的輸出矢量為:式中:A為能量矩陣,R為擴(kuò)頻序列s在移動通信信道中,能量矩陣是變化的,在以Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)的多用戶檢測模型設(shè)計中,假定用戶的能量變化相對較小,可通過其它方法估計。這樣,根據(jù)用戶的能量和擴(kuò)頻序列互相關(guān)矩陣就可事先調(diào)整網(wǎng)絡(luò)權(quán)系數(shù)對有K個用戶的系統(tǒng),最佳多用戶檢測器采用最大似然估計準(zhǔn)則,從2式中:H=ARA,H3增廣lagrange乘子--暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)tHNN多用戶檢測器的主要部分可通過模擬VLSI硬件實現(xiàn),收斂速度快,功耗小,但是當(dāng)用戶數(shù)增多或各用戶間的相關(guān)系數(shù)增大時,Hopfield神經(jīng)網(wǎng)絡(luò)往往陷入能量函數(shù)的局部極小點,使得多用戶檢測器的性能大大降低。為此,文獻(xiàn)[3]將暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)應(yīng)用于最優(yōu)多用戶檢測器中,暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)利用混沌的動態(tài)遍歷性避免陷入局部極值點,將混沌神經(jīng)動力學(xué)特性和常規(guī)梯度下降特性結(jié)合起來,具有豐富的動力學(xué)特性,可有效避免能量函數(shù)陷入局部最小點。暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)已成功應(yīng)用于組合優(yōu)化問題并呈現(xiàn)出很大的優(yōu)勢。但TCNN仍與Hopfield神經(jīng)網(wǎng)絡(luò)一樣采用懲罰項來處理非線形約束優(yōu)化問題,在一定程度上影響了優(yōu)化效率。因此本文將增廣Lagrange乘子算法(AugmentedLagrange,AL)引入暫態(tài)混沌神經(jīng)網(wǎng)絡(luò),在提高網(wǎng)絡(luò)搜索性能上顯示出更大的優(yōu)勢?？紤]如下的優(yōu)化問題:式中:增廣Lagrange函數(shù)定義如下:式中:λ=(λ求解最優(yōu)解的必要條件可表示為:式中:(x文獻(xiàn)[7]中提出的TCNN的動態(tài)方程定義如下:式中:T將增廣Lagrange乘子算法(AL)與暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)(TCNN)結(jié)合,得到增廣Lagrange乘子--暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)(AL-TCNN)。根據(jù)公式(6～8)可寫出增廣Lagrange神經(jīng)網(wǎng)絡(luò)(AugmentedLagrangeProgrammingNeuralNetworks,ALPNN)的動力學(xué)方程:結(jié)合公式(9～11)可構(gòu)造出基于TCNN的神經(jīng)網(wǎng)絡(luò)模型,使其穩(wěn)定點滿足式(7～8)。于是可得到AL-TCNN的動態(tài)方程為:式中:ρ,μ,β,ε分別是CSA的神經(jīng)薄膜的衰減因子(0≤ρ≤1)、能量函數(shù)梯度收斂項的尺度因子(0≤μ≤1)、時變參量所構(gòu)建的AL-TCNN將增廣Lagrange乘子算法與混沌模擬退火算法相結(jié)合,在發(fā)揮混沌動力學(xué)優(yōu)勢的同時避免了懲罰項的使用,將有效提高網(wǎng)絡(luò)尋優(yōu)性能。4常用的互相關(guān)矩陣根據(jù)式(3)將最佳多用戶檢測器轉(zhuǎn)化為如下的優(yōu)化問題:約束項的個數(shù)為K即用戶數(shù),x為信息矢量,y是接收信號通過匹配濾波器組以后的輸出矢量;H=ARA,A是能量矩陣,R為擴(kuò)頻序列歸一化互相關(guān)矩陣。因此,用于多用戶檢測器的增廣Lagrange乘子--暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)(AL-TCNN)動態(tài)方程為:5l-tcnn檢測誤碼率下面通過計算機(jī)仿真,比較HNN檢測器、TCNN檢測器以及AL-TCNN檢測器的誤碼率性能?？紤]一個5用戶的DS/CDMA系統(tǒng),采用擴(kuò)頻增益為7的Gold偽隨機(jī)序列進(jìn)行擴(kuò)頻。選取各檢測器參數(shù)的經(jīng)驗值如下:ε=5.0;ρ=0.9;μ=0.45;6檢測算法的篩選本文將增廣Lagrange乘子算法與混沌神經(jīng)網(wǎng)絡(luò)結(jié)合,得到增廣Lagrange乘子--暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)(AL