论文部分内容阅读
水下通信技术在国家海洋军事实力建设与海洋资源探测等领域扮演着重要角色,随着国与国之间的竞争愈演愈烈,水下通信技术成为一个热门研究领域。实现水下数字通信系统中信号的盲检测对水下通信技术的发展有着举足轻重的作用。基于Hopfield神经网络(Hopfield Neutral Network,HNN)的盲检测算法由于不依赖统计量,直接对接收信号进行盲检测恢复出原始发送信号,利用神经网络的非线性,自适应性提高盲检测算法的优化性能,被广泛应用于数字通信系统中。有文献表明基于离散多电平复数Hopfield神经网络(Complex-valued Hopfield Neural Network Real-Imaginary-type Hard-Multistate-activation-function,CHNN_RIHM)的盲检测算法能够在无线通信系统中对离散多电平信号实现盲检测。本文尝试将CHNN_RIHM算法应用于水下数字通信系统中,提出基于水下离散多电平复数Hopfield神经网络的盲检测算法(Underwater CHNN_RIHM,UCHNN_RIHM),并加以研究。由于HNN盲检测算法通过梯度下降法寻找全局最优解而容易陷入局部最小值,同时所需数据量长度较大,对信噪比要求较高等问题限制了UCHNN_RIHM在水下数字通信系统中的应用。针对上述问题,本文对UCHNN_RIHM盲检测算法做了如下几点的创新工作:(1)针对UCHNN_RIHM盲检测算法容易陷入局部最小值的缺点,本文第二章在UCHNN_RIHM算法的基础上引入暂态混沌神经网络(Transiently Chaotic Neural Network,TCNN),构造基于水下混沌神经网络的盲检测算法模型。TCNN利用混沌吸引子实现全局搜索寻找全局最优解,避免算法陷入局部最小值。同时本章在新模型中通过引入迟滞噪声,提高盲检测算法的抗噪声能力,从而构造了基于迟滞噪声的水下离散多电平混沌神经网络(Underwater Complex-valued Transiently Chaotic Neural Network Real-Imaginary-type Hard-Multistate-activation-function,UTCNN_RIHM)的盲检测算法。本章给出了UTCNN_RIHM算法的动态方程、新的能量函数并证明了算法的稳定性。最后通过实验结果表明UTCNN_RIHM算法在避免陷入局部最小值的同时,减少了数据量长度、提高了抗噪声能力。(2)针对暂态混沌神经网络中采用线性退火函数作为自反馈项,需要极慢的冷却时间才能得到全局最优解,导致UTCNN_RIHM算法收敛速度缓慢,本文在第三章通过引入分段退火函数作为自反馈连接权值替换线性退火函数,提高UTCNN_RIHM算法的收敛速度,提出基于分段退火的水下离散多电平混沌神经网络(Underwater Complex-valued Transiently Chaotic Neural Network Based on Stepped Annealing Real-Imaginary-type,UTCNNS_RIHM)的盲检测算法。实验仿真结果证明,引入分段退火函数的UTCNNS_RIHM算法,相比于UTCNN_RIHM算法收敛速度相对较快、抗噪声能力更强。(3)由于UTCNNS_RIHM算法中激活函数将发送信号的实部和虚部分别作为实数信号进行处理,再将处理后的结果整合成复数信号作为神经元状态值,导致算法步骤繁琐、复杂度较高、收敛速度慢等问题。本文第四章通过借鉴K-means算法聚类思想,提出多模聚类激活函数,对发送信号整体进行处理,得到经过激活函数后的神经元状态值,进而提出基于多模聚类的水下离散多电平混沌神经网络(Multi-Clustering Underwater Transiently Chaotic Neural Network,MCU_TCNN)的盲检测算法。实验结果证明MCU_TCNN算法相比于传统算法在抗噪声能力方面具有一定优势的同时,提高了盲检测算法的收敛速度,使盲检测算法在低信噪比(Signal-to-Noise Ratio,S2N),低数据量长度下具有更广的适用性。