Lagrange优化的LMK神经网络盲多用户检测

doi:10.3778/j.issn.1002-8331.2010.18.046

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (18): 146-148.DOI: 10.3778/j.issn.1002-8331.2010.18.046

• 数据库、信号与信息处理 • 上一篇下一篇

Lagrange优化的LMK神经网络盲多用户检测

李艳琴¹，张立毅^2，3，郭纯生1，储琳琳¹

1.防灾科技学院防灾仪器系，北京 101601
2.天津商业大学信息工程学院，天津 300134
3.天津大学电子信息工程学院，天津 300072

收稿日期:2008-12-08 修回日期:2009-02-20 出版日期:2010-06-21 发布日期:2010-06-21
通讯作者: 李艳琴

Lagrange optimized LMK criteria feed-forward neural network blind multi-user detection

LI Yan-qin¹，ZHANG Li-yi^2，3，GUO Chun-sheng¹，CHU Lin-lin¹

1.College of Disaster Prevention Equipment，Institute of Disaster Prevention Science and Technology，Beijing 101601，China
2.Department of Information Engineering，Tianjin University of Commerce，Tianjin 300134，China
3.Department of Electric Information Engineering，Tianjin University，Tianjin 300072，China

Received:2008-12-08 Revised:2009-02-20 Online:2010-06-21 Published:2010-06-21
Contact: LI Yan-qin

摘要/Abstract

摘要： 提出一种基于LMK准则的前馈神经网络盲多用户检测算法，给出算法的代价函数和约束条件，利用Lagrange方法对带约束的代价函数进行优化，获得前馈神经网络网络权值的迭代公式，从而实现神经网络盲多用户检测。仿真结果表明，新算法具有良好的误码率性能和收敛速度。

关键词: 盲多用户检测, 前馈神经网络, 最小平均峰度（LMK）准则, Lagrange乘子

Abstract: A novel blind multi-user detection algorithm based on Feed-Forward Neural Network（FNN） is proposed.A cost function based on Least Mean Kurtosis criterion and the restraint condition of cost function is founded.Weights and parameters of feed-forward neural network are optimized by Lagrange multiple.Iterative formulas of feed-forward neural network are obtained，and then blind multi-user detection algorithm is realized.Simulation results indicate the novel algorithm possesses lower bit-error ratio，better convergence ability and so on.

Key words: blind multi-user detector, forward neural network, Least Mean Kurtosis（LMK） criteria, Lagrange multiple

中图分类号:

TN911.4

李艳琴¹，张立毅^2，3，郭纯生1，储琳琳¹. Lagrange优化的LMK神经网络盲多用户检测[J]. 计算机工程与应用, 2010, 46(18): 146-148.

LI Yan-qin¹，ZHANG Li-yi^2，3，GUO Chun-sheng¹，CHU Lin-lin¹. Lagrange optimized LMK criteria feed-forward neural network blind multi-user detection[J]. Computer Engineering and Applications, 2010, 46(18): 146-148.

[1]	张志富，裴军. QR分解卡尔曼盲自适应多用户检测算法[J]. 计算机工程与应用, 2015, 51(15): 202-205.
[2]	卜范玉1，2，陈志奎1，张清辰1. 支持增量式更新的大数据特征学习模型[J]. 计算机工程与应用, 2015, 51(12): 21-26.
[3]	白夏红，李辉，邢钢. 消除噪声的ICA盲多用户检测[J]. 计算机工程与应用, 2013, 49(24): 210-213.
[4]	韩雅菲，梁国龙，殷敬伟. 异步CDMA系统中的无迹粒子滤波盲多用户检测[J]. 计算机工程与应用, 2011, 47(21): 137-140.
[5]	沈雷，赵知劲. 基于盲波束成形的异步CDMA信号伪码估计[J]. 计算机工程与应用, 2010, 46(5): 114-116.
[6]	唐云岚^1，2，高妍方¹，谭旭¹，陈英武¹. 基于跨越连接的多层前馈神经网络结构分析[J]. 计算机工程与应用, 2009, 45(32): 45-47.
[7]	李艳琴¹，张立毅^2，3，郭纯生¹，孙云山². 基于模糊控制的盲多用户检测算法[J]. 计算机工程与应用, 2009, 45(32): 120-121.
[8]	李伟强，徐建城，殷剑锋. 蜜蜂群优化算法用于训练前馈神经网络[J]. 计算机工程与应用, 2009, 45(24): 43-45.
[9]	刘婷,孙云山,张立毅. MOE盲多用户检测算法中约束向量的研究[J]. 计算机工程与应用, 2008, 44(26): 68-70.
[10]	魏平,熊伟清,江宝钏. 基于二元蚁群算法的多层前馈神经网络[J]. 计算机工程与应用, 2007, 43(26): 68-71.
[11]	李辉，于红梅，段航宇. 基于改进卡尔曼滤波算法的盲多用户检测器[J]. 计算机工程与应用, 2007, 43(23): 135-137.
[12]	刘佳璐，刘琼荪，胡上尉. 基于放大误差信号的BP算法[J]. 计算机工程与应用, 2007, 43(21): 90-92.
[13]	董占华,王士同,冯建华. 鲁棒性的极大似然前馈神经网络及其应用研究[J]. 计算机工程与应用, 2007, 43(18): 65-68.
[14]	孟艳，汪晋宽，宋昕，王赟. 基于卡尔曼滤波的线性共轭半盲多用户检测[J]. 计算机工程与应用, 2007, 43(17): 140-142.

Lagrange优化的LMK神经网络盲多用户检测

Lagrange optimized LMK criteria feed-forward neural network blind multi-user detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics