基于神经网络的多用户检测器

提出采用Hopfield神经网络（ＮＨＨ）实现ＣＤＭＡ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的最佳多用户检测器（ＯＭＤ）的目标函数与Hopfield神经网络的能量函数的映射关系,以及ＯＭＤ目标函数的等效条件构造出基于Hopfield神经网络的多用户检测器,研究结果表明,ＨＮＮ多用户检测器具有诱人的应用前景。     

基于免疫量子算法的多用户检测技术研究

基于免疫算法和新的遗传量子算法,在码分多址通信系统中提出了一种解决多用户检测问题的进化计算方法--免疫量子算法(IQA).在IQA中,随机Hopfield神经网络被用于制作疫苗去提高IQA的收敛速度.另外,IQA为随机Hopfield神经网络提供良好的初始解会提高制作疫苗的性能,进一步改善每一代中量子种群中的适应度.通过在DS-CDMA系统进行Monte Carlo仿真,IQA算法的有效性和可行性被证实.仿真结果表明所提的IQA检测器的误码率性能优于其他的次优检测器,接近于最优检测器的理论下限.     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理．针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络．实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能．     

用于地物图像分类的神经网络的构造

对神经网络在模式识别中的应用进行了研究 ,针对军用点状地物识别这一具体问题 ,比较了径向基函数网络和多层感知器神经网络 ,提出了一种径向基函数三阶自相关神经网络 ,设计出一种自适应隐层单元个数选取算法 ,并把构造的分类器用于地物图像的分类实验 ,结果表明该算法能很好的自适应控制网络规模 ,网络模型具有任意平移不变性和很快的训练速度 ,且有良好有容错性和较高的识别率     

用于地物图像分类的神经网络的构造

对神经网络在模式识别中的应用进行了研究,针对军用点状地物识别这一具体问题,比较了径向基函数网络和多层感知器神经网络,提出了一种径向基函数三阶自相关神经网络,设计出一种自适应隐层单元个数选取算法,并把构造的分类器用于地物图像的分类实验,结果表明该算法能很好的自适应控制网络规模,网络模型具有任意平移不变性和很快的训练速度,且有良好的容错性和较高的识别率。     

一种基于优化神经网络的最佳多用户检测器

基于优化理论和神经网络理论提出了一种优化神经网络最佳多用户检测器,将DS-CDMA通信中的多用户信号检测问题看作一种组合优化问题,利用神经网络能有效地求解优化问题的优势:推导了一种优化神经网络最佳多用户检测器,理论分析和计算结果表明:1)在误比特性能和抗多址干扰性能上这种检测器均优于传统检测器和解相关检测器;2)在抗"远近"干扰能力方面,这种检测器优于传统检测器而弱于解相关检测器;3)易于实时应用和VLSI实现。     

基于偏差移除独立分量分析的DS-CDMA通信系统盲多用户检测

针对直接序列扩频码分多址(DS-CDMA)通信系统中的盲多用户检测问题,提出了一种基于偏差移除独立分量分析(BR-ICA)的盲多用户检测算法。该方法在多径信道中加性高斯白噪声功率较大的情况下,能有效地消除高斯白噪声引起的分离矩阵估计偏差。理论分析和仿真实验表明,在信道环境较为恶劣、信噪比(SNR)较低的情况下,该算法仍具有较好的分离性能和干扰抑制能力,比传统单用户检测器和LMMSE多用户检测器的性能有很大提高。     

基于克隆遗传量子算法的多用户检测

基于免疫克隆选择理论和遗传量子算法,提出了一种解决CDMA系统多用户检测问题的克隆遗传量子算法.通过使用克隆选择算子和遗传量子算法的理论,新算法能执行随机搜索和经验学习.所提的算法把随机神经网络嵌入到克隆遗传量子算法的每一代中.通过结合随机神经网络到CGQA中,可以加快CGQA的收敛速度、减少计算复杂度.另外,CGQA所提供的好的初值可以改善SHNN的性能,嵌入的SHNN还提高了CGQA的性能.在讨论了使用新算法设计多用户检测器的性能特点后,在CDMA系统进行了计算机仿真并和一些多用户检测器进行了比较.仿真结果证明了文中所提多用户检测器的抗多址干扰能力和抗远近效应能力都优于一些应用以前算法的多用户检测器.     

基于并行遗传算法的去相关多用户检测器

通过将码分多址通信系统中的最佳多用户检测视为组合优化问题,利用遗传算法能全局寻优的优势,提出了一种基于并行遗传算法的去相关多用户检测器。理论分析和仿真表明:该多用户检测器无论是抗多址干扰的能力还是抗远近效应的能力都明显优于传统的检测器和去相关多用户检测器;由于采用了基于"联姻"策略的并行遗传算法,使这种多用户检测器更易于实时应用和硬件实现。     

CDMA盲自适应独立分量多用户检测器

为了解决码分多址（CDMA）下行链路中仅需期望用户的扩频码和定时的盲自适应多用户检测的问题,基于独立分量分析（ICA）的理论,采用探查性投影追踪法,结合负熵和修正函数构造出新的代价函数．运用非多项式函数简化了负熵运算,而采用修正函数克服了独立分量分析的不确定性．经过理论推导和仿真验证,该算法计算量小,收敛速度较快,在恶劣的信噪比和多址干扰中具有优异的信干噪比和误比特率性能,因此该检测器抗多址干扰（MAD和远近效应能力强,很有实用价值．同时该算法对用户数敏感性小,在线处理方式也适用于非平稳信道．     

一种基于Lagrange神经网络的多用户检测器

提出并讨论了一种基于Lagrange神经网络的多用户检测器,利用神经网络能有效地求解优化问题;推导了Lagrange神经网络多用户检测器(LNN-MUD)。理论分析和计算结果表明:在误比特性能和抗干扰性能上,该检测器均优于传统检测器和解相关检测器;在抗"远近"干扰能力方面,该检测器优于传统检测器而弱于解相关检测器,且易于实时应用和VLSI实现。     

基于支持向量机的非线性多用户检测

基于支持向量机的非线性多用户检测器具有利用较少训练数据检测CDMA通信系统信号、性能稳定的优点。由于通信系统中的多径干扰和信道的非线性,尤其在非高斯噪声的环境下,线性的检测器已经不再适用。本文将支持向量机应用于非线性多用户检测中,从仿真结果来看,基于支持向量机的非线性多用户检测性能接近于最佳检测器且优于线性检测器。     

支持向量机在多用户检测中的应用

支持向量机作为非线性多用户检测器,可以利用较少的训练数据,检测经过瑞利(Rayleigh)衰落的同步CDMA通信系统信号.计算机仿真结果表明,在多普勒频移不同的瑞利衰落信道下,这种多用户检测算法误码率性能优于线性最小均方误差(MMSE)算法.     

A new support vector machine based multiuser detection scheme

In order to suppress the multiple access interference （MAI） in 3G, which limits the capacity of a CDMA communication system, a fast relevance vector machine （FRVM） is employed in the multiuser detection （MUD） scheme. This method aims to overcome the shortcomings of many ordinary support vector machine （SVM） based MUD schemes, such as the long training time and the inaccuracy of the decision data, and enhance the performance of a CDMA communication system. Computer simulation results demonstrate that the proposed FRVM based multiuser detection has lower bit error rate, costs short training time, needs fewer kernel functions and possesses better near-far resistance.     

RBF神经网络用于工件边缘特征参数的提取

提出一种基于径向基函数神经网络（RBFNN）的工作特征参数提取的方法,采用了两个径向基函数神经网络,利用第一个RBFNN分别求出工件的边缘点pi邻域内的顺时针边缘与逆时针边缘与x轴的夹角,两边缘夹角小的边缘点pi被认为是具有高曲率的角顶点。根据工件边缘曲线的特征,建立了各种边缘的曲率符号模型,用该模型训练第二个RBFNN,从而识别具有低曲率的切点和拐点及边缘曲线的类型。采用神经网络的方法提取工件特征参数,能准确地定位特征点。     

基于RBF-FCM-ROLSR 砼安全性评估方法

提出了一种基于径向基函数神经网络RBFNN(Radial Basis Function Neural Networks)、模糊C-均值聚类(FCM)算法和递归正交最小二乘法(ROLS)的混凝土安全性专家系统评估预测方法.此方法先用FCM算法初选多个RBFNN的函数中心,再采用ROLS训练网络,最后结合后向选择法,减少初选的中心数目,以得到最终的有效中心值.该方法加快了RBFNN的训练速度,提高了网络的运算效率.将其运用到混凝土安全性评估专家系统中,获得了满意的结果.将这种新算法得出的评估数据与传统的BP网络计算出的数据进行了比较,进一步证明了RBFNN及其学习算法的优越性和实用性.     

基于RBF-FCM-ROLS的砼安全性评估方法

提出了一种基于径向基函数神经网络RBFNN(Radial Basis Function Neural Networks)、模糊C-均值聚类(FCM)算法和递归正交最小二乘法(ROLS)的混凝土安全性专家系统评估预测方法。此方法先用FCM算法初选多个RBFNN的函数中心，再采用ROLS训练网络，最后结合后向选择法，减少初选的中心数目，以得到最终的有效中心值。该方法加快了RBFNN的训练速度，提高了网络的运算效率。将其运用到混凝土安全性评估专家系统中，获得了满意的结果。将这种新算法得出的评估数据与传统的BP网络计算出的数据进行了比较，进一步证明了RBFNN及其学习算法的优越性和实用性。     

基于BCC算法和最速下降法的RBF神经网络结构优化算法

为提高细菌群体趋药性(bacterial colony chemotaxis,BCC)算法优化后RBF神经网络(RBFNN)的泛化能力,提出了一种新的细菌编码方式。将隐层节点位置和相应的控制参数组成细菌,使RBFNN的两个参数同时得到优化;同时,在整体算法中融入最速下降法,利用其能快速收敛到极小点的特性,使算法速度得到提升。将此算法优化后的RBFNN用于IRIS和双螺旋分类问题,结果表明:算法速度提升了大约60%,同时泛化效果也得到提高。     

MC-CDMA系统中基于遗传算法的多用户检测

提出了在频率选择性信道下使用多天线分集接收的多载波码分多址(MC-CDMA)系统上行链路中基于遗传算法(GA)的多用户检测。针对三种不同的代价函数,研究了两种不同的个体选择机制对GA多用户检测的性能影响。代价函数分别为各个天线分支接收信号与估计信号的对数似然函数(LLF)、误差平方和相位误差平方。仿真分析表明:在相同代价函数下,基于Pareto优化准则的个体选择机制要优于按线性合并准则的个体选择机制;在相同个体选择机制下,基于相位误差平方的代价函数的误比特率性能和抗远近性能要优于基于LLF和误差平方的代价函数。