基于储备池计算的复数域多值通信信号盲检测方法
【专利摘要】本发明公开了一种基于储备池计算（RC）的复数域多值通信信号盲检测方法，其技术方案是构造一个适用于信号直接盲检测的储备池网络，不遵循RC的权阵随机生成机制，从接收端信号子空间角度通过QR分解设计出储备池矩阵，并采用支持向量回归方法进行储备池网络读出权值的更新训练，并给出了RC网络非线性读出函数的设计方法。该方法适用于该方法可适用于星座图较为密集的复数域多值信号和数据帧短小的盲检测场合。
【专利说明】基于储备池计算的复数域多值通信信号盲检测方法
【技术领域】
[0001]本发明属于数字无线通信的信号处理【技术领域】，适用于无线通信系统，特别是数字调制信号属于复数域多值情况、无线通信发射与接收机之间由于信道衰落所引起的接收端具有较为严重的符号间干扰的情况，用于接收端进行无需已知训练序列的信号直接快速盲检测场合。
【背景技术】
[0002]盲信号处理(BlindSignalProcessing, BSP)技术在通讯、雷达、勘探、图像处理等领域均得到了应用。特别地，无线通讯系统中，由于信号在传输过程中受到复杂传播机制等因素的影响，从而产生符号间干扰(Inter-Symbol Interference, ISI)。为消除符号间干扰，则需在接收端进行均衡以补偿信道特性，从而正确恢复出发送序列。而BSP技术不需要周期性地发送训练序列，因而节省了有限的带宽资源，有利于通信系统向宽带、高速、大容量方向发展。BSP技术可有效对付信道的衰落、非线性及时变特性，特别是多径传播等影响，可在接收机无法跟踪上信道特性而出现通讯中断的场合发挥重要作用。
[0003]基于反馈神经网络(RNN)的信号盲检测方法均从根植于“统计物理的RNN网络动态系统”角度展开，Hopfield神经网络(HNN)除和玻尔兹曼(Boltzmann)机、深念网(DeepBeliefNetwork) 一样需要遵循能量最小化随机动力学之外，而且还要求突触权矩阵对称连接；RNN网络动态演变是通过分岔来缓慢改变网络参数的方式进行驱动，随着迭代的进行，梯度信息不断减小甚至变成“病态(ill-pose)”。而且RNN作为一个非线性动态系统，在训练时的网络稳定性难以得到保证。
【发明内容】
[0004]本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种基于储备池计算的复数域多值通信信号盲检测方法。该方法可适用于星座图较为密集的复数域复杂多值信号和数据帧短小的盲检测场合。
[0005]为实现上述目的，本发明的技术方案是为了达到本发明的目的，所采用的技术方
案是:
[0006]按如下步骤进行:
[0007]第一步:构建信号接收模型
[0008]不失一般性，考虑基带线性、时不变、单输入单输出的离散时间系统。假设传输序列{sn}是独立同分布序列；忽略噪声时，单输入多输出(SMO)通信系统接收方程、盲处理方程可表述为
[0009]
【权利要求】
1.一种储备池计算的复数域多值通信信号盲检测方法，其特征在于包括以下步骤: 第一步:构建信号接收模型 不失一般性，考虑基带线性、时不变、单输入单输出的离散时间系统，假设传输序列{sn}是独立同分布(1.1.d)序列；忽略噪声时，单输入多输出通信系统接收方程、盲处理方程可表述为
【文档编号】H04L25/03GK103581080SQ201310516996
【公开日】2014年2月12日 申请日期:2013年10月28日 优先权日:2013年10月28日
【发明者】阮秀凯, 李昌, 谈燕花, 李晗, 蔡启博, 张耀举 申请人:温州大学