复数Hopfield神经网络盲均衡QAM信号

为了解决复数多值信号的盲均衡问题,本文提出了基于复数Hopfield神经网络盲均衡多值信号的方法:将基于Hopfield神经网络的盲均衡算法从实数域推广到复数域.在复数域成功构造了复数Hopfield神经网络,重点针对16QAM信号进行盲均衡.并验证了此系统可以处理非统计量字符,即处理16QAM信号的Hopfield神...     

复数离散Hopfield网络盲检测64QAM信号

针对复数多电平QAM信号的盲检测问题,该文提出了一个新的复数离散多电平Hopfield神经网络。该网络的实部、虚部各含一个多电平离散激励实函数。该文分析了经典两电平离散Hopfield神经网络能量函数的局限性,构造了一个新的复数多电平神经网的能量函数,并用此能量函数讨论了神经网的稳定性。当该神经网的权矩阵借助接收数据补投影算子构成时,该复数离散多电平Hopfield网络可有效地求解带整数约束的二次规划问题,从而实现QAM信号盲检测。仿真试验表明：该算法所需接收数据较短,就可到达全局真平衡点,计算难度大大降低,具有良好的快速性。     

基于可变步长的Hopfield神经网络盲检测算法

使用了一种新的激活函数,来提高Hopfield神经网络(Hopfield Neural Network,HNN)的抗干扰性能。为解决采用新激活函数后收敛速度较慢的问题,设计了一种基于可变步长的Hopfield神经网络(Variable Step Hopfield Neural Network,VSHNN)盲检测算法。仿真实验表明,与传统盲检测算法相比,VSHNN盲检测算法加快了能量函数收敛速度,提高了算法的抗干扰性能。     

基于实虚型连续多值复数Hopfield神经网络的QAM盲检测

针对统计量算法盲检测QAM信号的缺陷,该文提出了一个实虚型连续多值复数Hopfield神经网络算法,该网络的实部、虚部各含一个连续多值实激活函数.该文构造了适用于该网络的能量函数,并分别在异步和同步更新模式下证明了该神经网的稳定性.当该神经网的权矩阵借助接收数据补投影算子构成时,该实虚型连续多值复数Hopfield神经网络可有效地实现QAM信号盲检测.仿真试验表明:该算法采用较短接收数据即可到达全局真解点,并且适用于含公零点信道.     

离散Hopfield神经网络的稳定性研究

离散Hopfield神经网络的稳定性是网络应用的基础.文中主要研究非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性,并给出了一些新的稳定性条件,所获结果推广了一些已有的结论.     

基于连续Hopfield型神经网络的QAM信号盲检测

该文利用连续Hopfield网络本身特点,提出基于连续复Hopfield网络的多值方形/非方形QAM信号的直接盲检测方法。首先完成多值信号盲检测的优化问题构造和能量函数的映射,设计了一个适用于该问题的激活函数。然后给出能量函数的设计与分析、盲检测信号权矩阵的配置方法及其神经元数目选择的一般规律。最后通过对方形QAM和非方形QAM信号的仿真现象展示和分析,验证了所提方法的有效性和鲁棒性。     

基于复值深度神经网络的目标检测方法

针对雷达在检测概率要求严苛的多旁瓣干扰复杂场景下使用传统目标检测方法无法满足需求,性能有待进一步提升的问题,本文提出了一种基于多通道复值深度神经网络的雷达目标检测方法。传统脉冲体制阵列雷达的恒虚警率目标检测通常在和通道进行,在对回波信号进行空域相参预处理过程中获得了相参积累的同时丢失了阵元间的相位信息,而实际上目标回波在阵元间存在着一定的相位关系。本文利用神经网络强大的拟合能力和分类能力,将目标检测视为二元分类问题,设计复值深度神经网络深入挖掘目标与背景在不同阵元间的幅度及相位信息差异,从而在传统目标检测和通道-距离-多普勒空间的更前端更好地区分目标与背景的差异,提升了雷达目标检测性能。实验结果显示,所提方法在存在大量旁瓣干扰的场景下,相较传统方法具有更好的检测性能表现和抗干扰能力,且在杂波环境中也有良好的表现。     

基于Hopfield神经网络的盲均衡算法

基于Hopfield神经网络的盲均衡算法是把发送信号盲恢复问题转换为求解带整数约束的二次规划问题,再利用hopfield网络来求解这个NP难的组合优化问题,从而直接恢复出信号。Hopfield神经网络分为两种,一种是连续空间的hopfleld神经网络,一种是离散空间的hopfield网络,文章介绍怎样用这两种方法对含公零点信道上发送的信号进行准确地恢复,基于Hopfield神经网络的盲均衡算法收敛速度快,性能明显优于其它经典算法。     

双线性反馈神经网络的复值盲均衡算法研究

将基于双线性反馈神经网络的盲均衡算法运用到了复数系统中,推导了复数系统中网络的权值迭代公式,运用QAM信号对算法进行仿真表明,算法对于QAM信号的均衡有着较快的收敛速度和较低的误码率。     

基于双Sigmoid小波混沌神经网络的盲检测算法*1

接要:针对在盲检测环境中暂态混沌神经网络的缺陷,提出了基于双Sigmoid小波混沌神经网络的盲检测算法,构建了新网络的模型和能量函数,并分别在同步和异步更新模式下证明了该网络的稳定性.新网络的设计思想体现在:采用墨西哥帽小波函数和Sigmoid函数的组合作为网络的激励函数,再为每个神经元加一个激活函数构成双Sigmoid.仿真表明:由于小波函数较强的逼近能力以及双Sigmoid快速收敛的特性,提出的算法显著地提高了网络的全局寻优能力和寻优精度.     

用Hopfield网络实现盲波束形成

本文提出了一种基于改进Ｈｏｐｆｉｅｌｄ 网络的盲波束形成算法。利用神经网络的计算结构,避免了矩阵求逆运算,同时利用对角加载技术加快了收敛速度、保证了算法的鲁棒性     

反馈电压偏置型Hopfield 网络电域盲检测相干光通信信号

为解决无线分集相干光接收机的自适应盲检测问题,提出了一种新的离散时间连续状态的网络输出反馈偏置型的复Hopfield 神经网络用以解决多值QAM 信号的盲检测问题。反馈电压偏置的引入即不脱离传统Hopfield 模型,又能有效满足多值信号检测时所需的搜索空间变大的特殊要求。全文完成多值信号盲检测的优化问题构造和能量函数的映射,给出能量函数的证明、分析和它的约束条件,给出适用该问题的激活函数的基本特征,正确盲检测信号的权矩阵的配置方法。最后,通过详细的仿真结果展示和与其他算法性能对比进一步验证算法的有效性和优越性并指出算法所存在的问题和下一步的研究方向。     

延迟离散Hopfield网络的稳定性条件

主要利用状态转移方程和定义能量函数的方法对具有时延的离散Hopfield神经网络的动力学行为进行了研究,并且获得了若干稳定性结果.给出了延迟离散Hopfield神经网络收敛于周期为4的极限环的一个充分条件,获得了延迟网络有稳定状态的条件,并且得到了延迟网络既没有稳定状态也没有周期为2的极限环的条件.同时,这些结果用两个例子进行了验证.这些结果推广了一些已有的离散Hopfield神经网络的稳定性结果.     

广义Hopfield网络求解TSP

本文提出了用广义Ｈｏｐｆｉｅｌｄ网络求解ＴＳＰ的改进算法，较之用Ｈｏｐｆｉｅｌｄ网络求解ＴＳＰ的传统算法，新算法改进之处主要有两点，一、引入了辅助单元（本文称之为快单元）从而可以更加灵活构造能量函数。二、采用新的单元输入输出函数，并调整单元的自反馈和阈值，从而实现能量补偿，抵消能量误差，模拟结果表明，新算法优于传统的Ｈｏｐｆｉｅｌｄ网络算法。     

基于Hopfield网解决TSP问题

利用神经网络解决组合优化问题是神经网络应用的一个重要方面。组合优化问题,就是在给定约束条件下,使目标函数极小(或极大)的变量组合问题。首先介绍了Hopfield神经网络的工作原理,然后具体介绍了TSP问题,然后给出了Hopfield神经网络解决TSP问题的实例,最后的结果表明利用Hopfield神经网络解决TSP问题可以求得问题最优解的次优解。     

连续型神经网络解决信元调度问题的参数分析

本文利用连续型Hopfield神经网络实现信元调度问题,对采用的新的能量函数进行仿真模拟,通过对网络模型的参数特性进行研究分析,寻找最佳的取值范围,为Hopfield神经网络今后的研究和实际应用提供帮助。     

基于Hopfield网络模型的A/D转换器设计

在我校电气信息类专业的课程教学中,结合A/D转换器的设计这一内容,研究了一种基于连续型Hopfield神经网络设计A/D转换器的方法。鉴于Hopfield网络收敛于其能量函数的极小值,本文中给出了A/D转换器的优化设计方案,并利用Hopfield网络设计了一个逐位比较的A/D转换电路。教学结果表明,将科研意识引入到课堂教学中,能够提高学生的学习积极性,扩展知识面,并增强他们的创新意识和创新能力。     

基于改进VGG网络的单阶段船舶检测算法

单阶段多框架目标检测算法在目标检测领域取得 了成功的应用,但其针对公共数据集中船舶检测的平均精度明 显低于其它刚体类目标类别,同时现有公开数据集中的船舶数量较少且类别单一。为提高检 测精度,提出一种基于改 进VGG网络的单阶段船舶检测算法,在原有VGG底层网络的基础上加入异步卷积和最大池化的 交替连接结构,保证 实时处理的同时提高船舶检测的平均精度。为增加训练所需的船舶数量和类别,广泛收集互 联网中包含船舶的图片, 建立了包含22507个船舶目标的数据集,其中6902个目标标签细分为七类船舶。实验将公开数据集VOC2007和 VOC2012中的图片缩小至300训练后,SSS D在VOC2007test中的平均检测精度均值可达79.3%,平均检测速度 超过40 fps。通过迁移参数的方法,在自建数据集中训练后,对大类 船舶检测的平均精度超 过84%,对七类船舶检测的平均精度均值超过89%,领先现有同类船舶检测 算法。