基于改进型Hopfield神经网络的盲多用户检测算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 230-233.

基于改进型Hopfield神经网络的盲多用户检测算法

王鸿斌^1,2,李福平¹,张立毅¹,王华奎¹

1.太原理工大学信息工程学院，太原 030024
2.忻州师范学院计算机科学与技术系，山西忻州 034000

收稿日期:2007-11-13 修回日期:2008-01-24 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 王鸿斌

Blind multi-user detection algorithm based on improved Hopfield neural network

WANG Hong-bin^1,2,LI Fu-ping¹,ZHANG Li-yi¹,WANG Hua-kui¹

1.College of Information Engineering，Taiyuan University of Technology，Taiyuan 030024，China
2.Department of Computer Science，Xinzhou Teachers University，Xinzhou，Shanxi 034000，China

Received:2007-11-13 Revised:2008-01-24 Online:2008-04-01 Published:2008-04-01
Contact: WANG Hong-bin

摘要/Abstract

摘要： 基于Hopfield神经网络没有学习规则，不需要训练，也不会自学习，靠Lyapunov函数的设计过程来调节权值的特点，将广义罚函数与Hopfield神经网络的能量函数结合，基于最小平均输出能量准则，构造出更合适的新目标函数，分析讨论了一种实现DS/CDMA盲多用户检测的改进型Hopfield神经网络方法。仿真结果表明，该算法在误码率、抗远近效应方面都有明显的改善。

关键词: 罚函数, 能量函数, 目标函数, 误码率, 远近效应

Abstract: Based on the Hopfield neural network without learning rules，not need training，and not self-learning，to adjust weight by the design process of Lyapunov function，generalized penalty function is combined with the energy function of Hopfield neural network.A more suitable structure of the new objective function is built based on the minimal average output energy norm.An improved Hopfield neural network method of achieving DS/CDMA blind multi-user detection is discussed.Simulation results show that the algorithm is significantly improved in bit error rate and anti-near-far effect.

Key words: penalty function, energy function, object function, bit error rate, Near-Far Effect（NFE）

王鸿斌^1,2,李福平¹,张立毅¹,王华奎¹. 基于改进型Hopfield神经网络的盲多用户检测算法[J]. 计算机工程与应用, 2008, 44(10): 230-233.

WANG Hong-bin^1,2,LI Fu-ping¹,ZHANG Li-yi¹,WANG Hua-kui¹. Blind multi-user detection algorithm based on improved Hopfield neural network[J]. Computer Engineering and Applications, 2008, 44(10): 230-233.

[1]	郭泓邑，张红民，李萍萍. 一种视差伪影最小化的视频拼接方法[J]. 计算机工程与应用, 2020, 56(20): 186-190.
[2]	刘成士，赵志刚，李强，吕慧显，董晓晨，李金霞. 加强的低秩表示图像去噪算法[J]. 计算机工程与应用, 2020, 56(2): 216-225.
[3]	罗灿，李学华. 抗多遮挡物干扰的光场深度信息估计算法[J]. 计算机工程与应用, 2020, 56(12): 193-200.
[4]	罗雄，钱谦，伏云发. 遗传算法解柔性作业车间调度问题应用综述[J]. 计算机工程与应用, 2019, 55(23): 15-21.
[5]	宋晓宇，高明海，赵明. 具有自适应搜索策略的混合人工蜂群算法[J]. 计算机工程与应用, 2019, 55(22): 53-59.
[6]	王文静1，2，雒江涛1，2. 命名数据网络中的一种主动拥塞控制策略[J]. 计算机工程与应用, 2018, 54(10): 115-120.
[7]	王帅军，李德识. 结合残留冗余信息的Turbo码译码方法[J]. 计算机工程与应用, 2018, 54(1): 107-111.
[8]	杨小川，姜军，马晓东，漆锋滨. 基于GCC关键变量数据流分析算法的程序切片技术[J]. 计算机工程与应用, 2017, 53(24): 40-47.
[9]	赵玖玲，张文海. 降低固体推进剂特征信号的改进粒子群算法[J]. 计算机工程与应用, 2017, 53(19): 136-141.
[10]	蔡泽民，谭丽. 基于车载信息的多普勒频移估计方法研究[J]. 计算机工程与应用, 2017, 53(11): 146-150.
[11]	王雷，黄晨雪，王高波. 改进的MRF彩色图像分割算法[J]. 计算机工程与应用, 2016, 52(13): 191-194.
[12]	王超，刘宏立，徐琨. 不同信道下无线传感网络物理层能耗性能分析[J]. 计算机工程与应用, 2016, 52(12): 112-116.
[13]	刘云连1，2，伍铁斌3，王俊年2，周桃云1，成运1. 改进罚函数法与蝙蝠算法在约束优化中的应用[J]. 计算机工程与应用, 2015, 51(9): 62-67.
[14]	徐凌伟1，张浩1，2，吕婷婷1，施威3，Gulliver T A2. SDC接收系统在n-Rayleigh信道下的性能分析[J]. 计算机工程与应用, 2015, 51(8): 1-5.
[15]	刚亚州，黄元元，戴群. 一种新的商务名片的快速二值化算法[J]. 计算机工程与应用, 2015, 51(16): 195-198.