基于上行信道盲估计的宽带码分多址用户检测器

针对宽带码分多址（CDMA）系统中同时存在多址干扰与码间串扰的情况进行研究,给出了适用于宽带CDMA系统的卷积模型,利用子空间技术及已知的扩频码信息,将适用于单用户的单输入多输出系统信道盲估计方法扩展到码发侈址系统中,实现了多用户上行信道的盲估计,利用有限码集特性,解决了上行信道盲估计中存在不确定复系数的问题,在此基础上,给出了最小均方误差多用户检测器的实现方案,计算机仿真实验证明,提出的方法可以同时克服多址干扰及码间串扰,是实现宽码分多址系统多用户检测的一个有效途径,同时该方法还可以推广到基站采用智能天线的系统中,实现对矢量信道冲激响应有的盲估计。     

基于SCS算法的盲自适应多用户检测器

提出了一种基于SCS(Soft-Constraint-Satisfaction)算法的盲自适应多用户检测器。基于SCS算法的盲自适应多用户检测器只需知道期望用户的扩频码及定时信息,而且通过自动选择用来估计期望信号的非线性函数,可以调节算法的收敛速度和估计误差。仿真实验表明该方法具有较好的抗多址干扰的能力。     

基于恒模算法的Hopfield神经网络盲多用户检测算法的研究

将恒模算法与Hopfield神经网络的能量函数相结合,提出了基于连续Hopfield神经网络的盲多用户信号检测算法。     

一种基于Lagrange神经网络的盲多用户检测器

提出了一种基于Lagrange神经网络的盲多用户检测器，该检测器以最小平均输出能量为准则，把盲检测问题转化为优化问题，利用神经网络进行有效求解。理论分析和仿真结果表明，该检测器在性能上优于传统的检测器，且计算量少，收敛速度快，便于实时处理。     

基于Hopfield神经网络的DS-CDMA多用户检测

从新的角度研究ＤＳＣＤＭＡ（直接序列码分多址）系统中的多用户检测,将多用户检测的优化问题映射为Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）“能量”函数的最小化问题,利用连续ＨＮＮ固有的快速下降特性,实现了实时对ＣＤＭＡ（码分多址）系统的多用户检测。与现有各种方案比较,具有运算量小、抗远近效应强、实时性好等优点。     

基于最小二乘常模算法的盲多用户检测

提出将最小二乘常模算法 (LSCMA)用于盲多用户检测 ,此算法对任意线性无关输入数据集具有全局快速收敛性及稳定性。将LSCMA与传统最陡下降常模算法 (SDCMA)及线性受限常模算法(LCCMA)比较 ,LSCMA收敛速度比另两者更快 ,但复杂度较高     

Multiuser detection and independent component analysis-Progress and perspective

The latest progress in the multiuser detection and independent component analysis (ICA) is reviewed systematically. Then two novel classes of multiuser detection methods based on ICA algorithms and feedforward neural networks are proposed. Theoretical analysis and computer simulation show that ICA algorithms are effective to detect multiuser signals in code-division multiple-access (CDMA) system. The performances of these methods are not identical entirely in various channels, but all of them are robust, efficient, fast and suitable for real-time implementations.     

基于克莱姆—施密特正交化法则的多用户检测器

提出了码分多址（CDMA）系统中一种基于克莱姆-施密特正交化法则的多址干扰抑制算法,不同于传统的多用户检测算法中采用扩频序列对接收信号进行解扩,该算法运用克莱姆-施密特准则递推地完成最优欠妥 扩码的求解,进而对接收信号进行解扩处理,可以实现对多址干扰的完全抑制,性能分析和仿真结果均表明,该算法能有效地抑制CDMA系统中的多址干扰,改善系统的性能。     

基于Lagrange优化神经网络的盲多用户检测

Lagrange优化神经网络克服传统的基于罚函数的神经网络的缺陷,直接对不等式约束进行处理,降低网络规模和复杂度,是一种新型的优化神经网络.基于这种Lagrang优化神经网络,提出一种盲多用户检测算法,并通过仿真表明,该算法在误码率性能方面有所改善,收敛速度也明显提高.     

基于离散Hopfield神经网络的数据加密算法

离散Hopfield神经网络的吸引性不仅具有重要理论意义,而且是现代网络应用基础。基于离散Hopfield神经网络,简要讨论了算讨论了其吸引性;并利用其非线性混沌机制和并行计算的特点,提出了数据分组加密算法和公钥加密算法;法的安全性。     

基于Hopfield网络的模糊神经网络优化方法

针对训练模糊神经网络时收敛时间慢,难以实时实现的缺点,将Ｈｏｐｆｉｅｌｄ网络引入模糊神经网络权值的优化问题中,从而融合了Ｈｏｐｆｉｅｌｄ网络可进行实时优化和模糊神经网络可引入专家知识化权值的优点。理论分析和模拟实验表明,这种网络可以在电路时间常数数量级内给出优化后的模糊神经网络权值,并且具有Ｌｙａｐｕｎｏｖ意义下的稳定性,为模糊神经网络权值的实时优化提供了一条新途径。     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

基于改进Hopfield神经网络的手写字符识别

针对传统Hopfield神经网络无法对非正交学习模式进行正确回忆的问题，在Hebb学习规则的基础上，提出了一种改进的Hopfield神经网络．通过在学习阶段对连接关系矩阵进行修正，改进后的Hopfield神经网络能够对其学习模式进行正确的回忆，实验证明了其对手写字符有着较好的识别效果．     

基于遗传算法的Hopfield神经网络集成

针对遗传法中存在的缺欠,根据神经网络和遗传算法原理在优势互补的条件下,提出了一种新的求解方法,即GA-Hopfield 网络方法;该方法就是利用 GA 很强的全局搜索能力来弥补 Hopfield 网络容易陷入局部最优的缺陷的优化方法,且对此模型进行了有效性验证,具有一定的理论研究和应用价值.     

基于复值多态连续Hopfield网络的MPSK信号盲检测

为实现多进制相移键控（M ary quaternary phase shift keying,MPSK）信号的直接盲检测,给出一种直接盲检测发送信号的性能优化函数,进而提出一种新的复值多态连续激励函数形式来提高网络性能,并设计出一个新的能量函数来分析网络的稳定性,以求利用复值Hopfield神经网络来解决直接盲检测发送信号性能函数的优化问题。计算机仿真结果表明,与子空间算法等经典算法相比,新方法具有较好的收敛性,能有效实现相移键控信号盲检测。     

基于克隆选择算法和神经网络的多用户检测

针对传统检测器和最佳检测器在多用户检测中存在的缺点,利用克隆选择算法和Hopfield神经网络在解决优化问题的优势,提出了一种基于改进的克隆选择算法和神经网络的准最佳多用户检测器并用计算机进行仿真.仿真结果证明了该多用户检测器有良好的抗多址干扰和抗"远近效应"的能力,并有计算复杂度低和易于实时实现的优点.