基於儲備池計算的複數域多值通信信號盲檢測方法

2023-04-23 06:41:56 2

基於儲備池計算的複數域多值通信信號盲檢測方法
【專利摘要】本發明公開了一種基於儲備池計算（RC）的複數域多值通信信號盲檢測方法，其技術方案是構造一個適用於信號直接盲檢測的儲備池網絡，不遵循RC的權陣隨機生成機制，從接收端信號子空間角度通過QR分解設計出儲備池矩陣，並採用支持向量回歸方法進行儲備池網絡讀出權值的更新訓練，並給出了RC網絡非線性讀出函數的設計方法。該方法適用於該方法可適用於星座圖較為密集的複數域多值信號和數據幀短小的盲檢測場合。
【專利說明】基於儲備池計算的複數域多值通信信號盲檢測方法
【技術領域】
[0001]本發明屬於數字無線通信的信號處理【技術領域】，適用於無線通信系統，特別是數字調製信號屬於複數域多值情況、無線通信發射與接收機之間由於信道衰落所引起的接收端具有較為嚴重的符號間幹擾的情況，用於接收端進行無需已知訓練序列的信號直接快速盲檢測場合。
【背景技術】
[0002]盲信號處理(BlindSignalProcessing, BSP)技術在通訊、雷達、勘探、圖像處理等領域均得到了應用。特別地，無線通訊系統中，由於信號在傳輸過程中受到複雜傳播機制等因素的影響，從而產生符號間幹擾(Inter-Symbol Interference, ISI)。為消除符號間幹擾，則需在接收端進行均衡以補償信道特性，從而正確恢復出發送序列。而BSP技術不需要周期性地發送訓練序列，因而節省了有限的帶寬資源，有利於通信系統向寬帶、高速、大容量方向發展。BSP技術可有效對付信道的衰落、非線性及時變特性，特別是多徑傳播等影響，可在接收機無法跟蹤上信道特性而出現通訊中斷的場合發揮重要作用。
[0003]基於反饋神經網絡(RNN)的信號盲檢測方法均從根植於「統計物理的RNN網絡動態系統」角度展開，Hopfield神經網絡(HNN)除和玻爾茲曼(Boltzmann)機、深念網(DeepBeliefNetwork) 一樣需要遵循能量最小化隨機動力學之外，而且還要求突觸權矩陣對稱連接；RNN網絡動態演變是通過分岔來緩慢改變網絡參數的方式進行驅動，隨著迭代的進行，梯度信息不斷減小甚至變成「病態(ill-pose)」。而且RNN作為一個非線性動態系統，在訓練時的網絡穩定性難以得到保證。

【發明內容】

[0004]本發明的目的是為了克服現有技術存在的缺點和不足，而提供一種基於儲備池計算的複數域多值通信信號盲檢測方法。該方法可適用於星座圖較為密集的複數域複雜多值信號和數據幀短小的盲檢測場合。
[0005]為實現上述目的，本發明的技術方案是為了達到本發明的目的，所採用的技術方
案是:
[0006]按如下步驟進行:
[0007]第一步:構建信號接收模型
[0008]不失一般性，考慮基帶線性、時不變、單輸入單輸出的離散時間系統。假設傳輸序列{sn}是獨立同分布序列；忽略噪聲時，單輸入多輸出(SMO)通信系統接收方程、盲處理方程可表述為
[0009]
【權利要求】
1.一種儲備池計算的複數域多值通信信號盲檢測方法，其特徵在於包括以下步驟: 第一步:構建信號接收模型 不失一般性，考慮基帶線性、時不變、單輸入單輸出的離散時間系統，假設傳輸序列{sn}是獨立同分布(1.1.d)序列；忽略噪聲時，單輸入多輸出通信系統接收方程、盲處理方程可表述為
【文檔編號】H04L25/03GK103581080SQ201310516996
【公開日】2014年2月12日 申請日期:2013年10月28日 優先權日:2013年10月28日
【發明者】阮秀凱, 李昌, 談燕花, 李晗, 蔡啟博, 張耀舉 申請人:溫州大學