基于神经网络和粒子群算法的MC-CDMA多用户检测

MC-CDMA系统是干扰受限系统,存在多址干扰。本文提出一种基于神经网络和粒子群算法的MC-CDMA多用户检测方法。在粒子位置更新中,随机选择部分粒子作为Hopfield神经网络的神经元组成的个体,进行神经网络的更新;其他粒子仍采用原粒子群算法的位置更新策略,从而能加快粒子群算法的收敛速度以及降低计算复杂度。仿真表明在算法参数相同时,该多用户检测方法在误码率、收敛速度、系统容量、抗远近能力等方面都优于基于粒子群算法的多用户检测和基于神经网络的多用户检测,更加逼近于最佳多用户检测的性能。     

基于免疫克隆量子算法的多用户检测器

为了解决CDMA系统最佳多用户检测的高计算复杂度问题,基于免疫克隆选择理论和新的遗传量子算法,该文提出了免疫克隆量子算法。该算法把根据神经网络制作的疫苗接种到克隆量子算法的每一代中,通过接种疫苗到CQA中,可以加快CQA的收敛速度减少计算复杂度。另外,CQA所提供的好的初值可以改善疫苗的性能,接种的疫苗还改善了CQA的性能,文中给出了在免疫克隆量子算法中使用随机神经网络制作疫苗的统一理论框架结构。仿真结果证明了该方法不仅能够快速收敛到全局最优解,并且无论抗多址干扰能力和抗远近效应能力都优于传统检测器和一些应用以前智能计算算法的多用户检测器。     

基于免疫应答的RBF网络在动态多用户检测中的应用

径向基函数神经网络是一种具有局部逼近能力的前向神经网络,可用作码分多址中的多用户检测器,有较好的检测性能;但是目前的RBF网络多用户检测器收敛慢,不能针对实时变化的动态信道作跟踪.针对动态信道中的多用户检测问题,借鉴免疫系统二次应答原理提出了一种基于免疫机制的RBF网络.该方法结合免疫记忆机制和免疫应答机制设计免疫算子,针对动态模型中的稳定部分和突变部分作不同强度的训练;借鉴免疫系统的二次应答机制,较大地降低了算法复杂度,并且收敛快、鲁棒性强,提高了在变化的信道中的多用户检测器的动态追踪能力.     

基于随机Hopfield神经网络的最优多用户检测器

Hopfield神经网络检测器与传统检测器相比具有独特的魅力,但存在局部收敛问题.随机Hopfield神经网络通过对状态变量引入噪声,从而避免局部收敛,进而达到最优检测.本文给出了CDMA移动通信系统中基于随机Hopfield神经网络的最优多用户检测器的统一框架,该检测器利用随机Hopfield神经网络对最大似然函数进行优化从而得到最优检测性能.在三种典型信道中对这些检测器性能进行比较,结果表明该检测器比传统检测器的性能更好.     

基于神经网络的智能用户检测技术在CDMA中的应用

多用户检测技术是第3代移动通信系统IMT－2000中的一项关键技术。求解最优多用户检测器的目标函的最小值问题可以转化为求解Hopfield神经网络的能量函数的最小值问题。对两种基于神经网络的智能多户检测器进行性能分析和计算机仿真,通过与最佳多用户检测器和传统检测器的比较,证实了这两种神经网络检测器都能较好地实现多用户检测的功能,因此,神经网络多用户检测技术是一种切实可行的方案。     

基于混沌神经网络的多用户检测器

提出一种基于增广Lagrange乘子——暂态混沌神经网络的码分多址（Code Division Multiple Access，CDMA）多用户检测新技术。该技术将混沌模拟退火算法与增广Lagrange乘子相结合，具有良好的逃逸局部最小点的能力和较快的收敛速度，同时能有效克服惩罚函数的缺点。仿真实验结果表明，基于增广Lagrange乘子——暂态混沌神经网络的多用户检测器，其误码率性能优于Hopfield神经网络及未改进的暂态混沌神经网络等多用户检测器。     

基于改进的量子遗传算法的多用户检测

为了加快量子遗传算法(QGA)的收敛速度,减小基于QGA的多用户检测的计算复杂度,提出了一种基于改进的量子遗传优化算法(MQGA)的多用户检测算法.通过引入小生境协同进化策略初始化量子种群,并采用自适应更新旋转角策略,改善了QGA的收敛性能和寻优能力.仿真结果表明,提出的多用户检测算法在收敛速度、误码率、抗远近能力及系统容量方面都优于遗传算法多用户检测器、量子遗传算法多用户检测器和传统多用户检测器.     

基于Hopfield神经网络的多用户OFDM系统自适应资源分配

提出一种用Hopfield神经网络对多用户OFDM通信系统进行子载波分配和比特自适应加载的方法,利用Hopfield神经网络的并行处理、收敛快、易收敛到最优解的特点,在系统性能一定和满足各个用户业务要求的条件下,对资源进行自适应分配,以使多用户OFDM系统的发射功率最小。将比特加载矩阵拆成三个矩阵来表示,简化了运算。仿真结果表明采用Hopfield神经网络方法可有效地解决通信中资源分配最优化问题,并且总体效果也优于采用遗传算法得到的结果。     

基于进化算法的多用户检测器

粒子群算法PSO遗传算法(Particle Swarm Optimization)是由Kennedy和Eberhart于1995年提出的一种新的进化算法,PSO能够以一种更简便、快速的方式来完成和遗传算法(GA)一样的功能。本文在PSO算法思想的基础上提出了两种新的多用户检测算法: BEP(Binary Evolution Programming)算法, BPSO(Binary PSO,BPSO)算法。分别基于这两种算法构造了新的多用户检测器。仿真结果表明,这两种新的多用户检测器的抗误码性能比传统多用户检测器和基于遗传算法的多用户检测器都好,并且新的检测器的收敛速度明显比遗传算法检测器快。     

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。     

一种神经网络多用户检测器

本文提出采用Ｈｏｐｆｉｅｌｄ神经网络实现ＣＤＭＡ多用户通信系统中多用户信号的检测。利用基于检测序列最大后验概率最佳多用户检测器的似然函数与Ｈｏｐｆｉｅｌｄ神经网络的能量函数的对应关系,构造一种离散Ｈｏｐｆｉｅｌｄ神经网络多用户检测器。研究表明,这种多用户检测器具有优良的性能,其计算复杂度低于最佳多用户检测器、抑制多址干扰和克服远近效应能力又大大优于传统检测器。     

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。     

在CDMA系统中实现多用户检测的障碍函数下降方向法

该文提出了在码分多址(CDMA)系统上实现多用户检测的一种基于障碍函数下降方向的方法(BMD)。与传统方法以及神经网络优化算法相比较,作者提出的方法是利用障碍函数而得到的一个新的下降方向而不是梯度下降方向。计算机模拟表明:这种方法总能找到全局最优解,并具有抑制多址干扰和噪声干扰,对远-近问题不敏感等特点。这为实现码分多址系统上的最佳多用户检测提供了一条新的途径。     

Systolic array algorithm for the Hopfield neural network guaranteeing convergence

It has been frequently reported that the Hopfield neural network operating in discrete-time and parallel update mode will not converge to a stable state, which inhibits the parallel execution of the model. The authors propose a systolic array algorithm for the parallel simulation of the Hopfield neural network which guarantees the convergence of the network and achieves linear speedup as the number of processors is increased.<>     

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...     

Computerized tumor boundary detection using a Hopfield neuralnetwork

The authors present a new approach for detection of brain tumor boundaries in medical images using a Hopfield neural network. The boundary detection problem is formulated as an optimization process that seeks the boundary points to minimize an energy functional based on an active contour model. A modified Hopfield network is constructed to solve the optimization problem. Taking advantage of the collective computational ability and energy convergence capability of the Hopfield network, the authors' method produces the results comparable to those of standard “snakes”-based algorithms, but it requires less computing time. With the parallel processing potential of the Hopfield network, the proposed boundary detection can be implemented for real time processing. Experiments on different magnetic resonance imaging (MRI) data sets show the effectiveness of the authors' approach     

遗传算法在多用户检测中的应用研究

本文针对CDMA系统中多用户检测的组合优化问题,提出一种结合遗传算法和Hopfield神经网络的检测方法。该方法首先由遗传算法给神经网络提供一个初始解,神经网络在此基础上再进行局部寻优。研究表明：这种方法具有平方的计算复杂度,优于Hopfield神经网络检测方法、以及单独采用遗传算法的检测方法,对远近问题不敏感,具有良好的误码率性能和抗多址干扰性能。     

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。     

Performance evaluation of a routing algorithm based on Hopfield Neural Network for network-on-chip

Network on chip (NoC) has emerged as a solution to overcome the system on chip growing complexity and design challenges. A proper routing algorithm is a key issue of an NoC design. An appropriate routing method balances load across the network channels and keeps path length as short as possible. This survey investigates the performance of a routing algorithm based on Hopfield Neural Network. It is a dynamic programming to provide optimal path and network monitoring in real time. The aim of this article is to analyse the possibility of using a neural network as a router. The algorithm takes into account the path with the lowest delay (cost) form source to destination. In other words, the path a message takes from source to destination depends on network traffic situation at the time and it is the fastest one. The simulation results show that the proposed approach improves average delay, throughput and network congestion efficiently. At the same time, the increase in power consumption is almost negligible.