专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明公开

CN106612158A 一种基于复合正弦混沌神经网络的信号盲检测方法无效
公开(公告)号：CN106612158A
公开(公告)日：2017-05-03
申请号：CN201611107580.X
申请日：2016-12-06
申请人：南京邮电大学
发明人：张昀 , 李经纬 , 于舒娟 , 刘欢 , 金超迪 , 孟庆霞 , 饶强
IPC分类号： H04L1/00 , H04L25/03
CPC分类号： H04L1/0038 , H04L25/03165 , H04L2025/03464
摘要：本发明提出了一种基于复合正弦混沌神经网络的信号盲检测方法。所述方法采用复合正弦的混沌神经网络和Sigmoid组合的非单调的激励函数、时变的输出函数增益和分段指数退火函数构成了一个复合正弦混沌神经网络；每次迭代时，首先进入混沌神经网络，然后再进入激活函数；所述混沌神经网络具有可以避免陷于局部最小值。本发明方法继承了混沌神经网络这一特点，提高了盲检测性能；并且，该网络具有更加丰富灵活的暂态混沌动力学特性以及更强的全局搜索能力；在同等条件下，本发明的抗噪性能优于传统的Hopfield信号盲检测算法。

2. 发明公开

CN1121228A 学习型信号记录和再生设备失效
公开(公告)号：CN1121228A
公开(公告)日：1996-04-24
申请号：CN95106028.7
申请日：1995-05-18
申请人：松下电器产业株式会社
发明人：丸野进 , 香田敏行 , 今川太郎
IPC分类号： G09B5/06 , G09B7/00
CPC分类号： H04L25/03165 , G11B20/10 , G11B20/10009 , H04L2025/03464
摘要：本发明的信号记录和再生设备包含：一个信号探测器，用来探测记录在记录媒体上的教师信号和信息信号；一个转换部分，用来根据一个预定的转换法则把由信号探测器探测到的教师信号和信息信号分别转换成再生教师信号和再生信息信号；以及一个教师信号发生器，用来产生参考教师信号，其中在信息信号的探测之前首先探测教师信号，并且转换装置包含一个学习型波形转换部分，用来根据再生教师信号和参考教师信号自动地建立预定的转换法则。

3. 发明公开

CN1118536A 均衡失真数据信号的方法失效
公开(公告)号：CN1118536A
公开(公告)日：1996-03-13
申请号：CN95105790.1
申请日：1995-05-05
申请人：德国汤姆森-勃朗特有限公司
发明人：克劳斯·马格尔 , 埃德加·沃索恩
IPC分类号： H03H9/46
CPC分类号： G11B20/10518 , G11B20/10009 , H04L25/03165 , H04L2025/03464
摘要：均衡数据信号的方法。线性滤波器被用来均衡失真的数据信号。在数据密度日益提高的情况下，用线性滤波器对磁记录数据信号(如记录在磁带上的信号)进行均衡，变得越来越困难。神经网络被用于均衡失真数据信号的目的。待均衡的数据信号(DS)，通过延时元件(Nz1，…，Nz5)被馈送到一组加权网络(NG1，…，NG5)中。加权网络(NG1，…，NG5)的输出与一组神经元(N1，…，N5)的输入相连，各神经元的输出，每种情况下经放大器(V1，…，V5)都连到下面神经元(N6)的输入端上，在该神经元(N6)的输出端即可输出均衡的数据信号(DA)。

4. 发明公开

CN106953820A 基于双Sigmoid复数连续神经网络的信号盲检测方法无效
公开(公告)号：CN106953820A
公开(公告)日：2017-07-14
申请号：CN201710224545.4
申请日：2017-04-07
申请人：南京邮电大学
发明人：于舒娟 , 陈少威 , 张昀 , 孟庆霞 , 梅可 , 梁颖 , 张治民
IPC分类号： H04L25/03 , H04L1/00
CPC分类号： H04L25/03165 , H04L1/0038 , H04L25/03923 , H04L2025/03464
摘要：本发明提供了基于双Sigmoid复数连续神经网络的信号盲检测方法，所述方法设计了新的激活函数以减弱在0点周围对网络输入值的敏感度；利用新激活函数，在不影响收敛时间的前提下，误码率下降，改善了抗噪声能力；为了提高系统收敛速度，在复数连续Hopfield型神经网络的基础上引入双Sigmoid结构，构建本发明双Sigmoid复数连续Hopfield型神经网，在相同的信噪比条件下，以状态向量和平衡点之间的距离范数为指标，本发明双Sigmoid复数连续Hopfield型神经网络算法比传统双Sigmoid神经网络收敛速率更快，优化了HNN神经网络性能。

5. 发明授权

CN1093674C 学习型信号记录和再现设备失效
公开(公告)号：CN1093674C
公开(公告)日：2002-10-30
申请号：CN95106028.7
申请日：1995-05-18
申请人：松下电器产业株式会社
发明人：丸野进 , 香田敏行 , 今川太郎
IPC分类号： G11B20/10 , H04L25/03
CPC分类号： H04L25/03165 , G11B20/10 , G11B20/10009 , H04L2025/03464
摘要：本发明的信号记录和再生设备包含：一个信号探测器，用来探测记录在记录媒体上的教师信号和信息信号；一个转换部分，用来根据一个预定的转换法则把由信号探测器探测到的教师信号和信息信号分别转换成再生教师信号和再生信息信号；以及一个教师信号发生器，用来产生参考教师信号，其中在信息信号的探测之前首先探测教师信号，并且转换装置包含一个学习型波形转换部分，用来根据再生教师信号和参考教师信号自动地建立预定的转换法则。

6. 发明授权

CN1085377C 均衡失真数据信号的方法失效
公开(公告)号：CN1085377C
公开(公告)日：2002-05-22
申请号：CN95105790.1
申请日：1995-05-05
申请人：德国汤姆森-勃朗特有限公司
发明人：克劳斯·马格尔 , 埃德加·沃索恩
IPC分类号： G11B20/22 , H04L25/03
CPC分类号： G11B20/10518 , G11B20/10009 , H04L25/03165 , H04L2025/03464
摘要：均衡数据信号的方法。线性滤波器被用来均衡失真的数据信号。在数据密度日益提高的情况下，用线性滤波器对磁记录数据信号(如记录在磁带上的信号)进行均衡，变得越来越困难。神经网络被用于均衡失真数据信号的目的。待均衡的数据信号(DS)，通过延时元件(Nz1，…，Nz5)被馈送到一组加权网络(NG1，…，NG5)中。加权网络(NG1，…，NG5)的输出与一组神经元(N1，…，N5)的输入相连，各神经元的输出，每种情况下经放大器(V1，…，V5)都连到下面神经元(N6)的输入端上，在该神经元(N6)的输出端即可输出均衡的数据信号(DA)。

7. 发明申请

WO1997048218A1 MSLE DECODER WITH NEURAL NETWORK 审中-公开
标题翻译：具有神经网络的MSLE解码器
公开(公告)号：WO1997048218A1
公开(公告)日：1997-12-18
申请号：PCT/EP1997001619
申请日：1997-04-01
申请人： MOTOROLA LIMITED , GOLDING, Paul, Adrian , JONES, Alan
发明人： MOTOROLA LIMITED
IPC分类号： H04L25/03
CPC分类号： H04L25/03165 , H04L25/03178 , H04L2025/03464
摘要： To account for non-Gaussian distributed interference (224, 226) that distorts a position of a received symbol sample (230, 232) in input signal space (106), a multi-layer perceptron neural network (MLPNN) is arranged to produce, for a decoding process, a non-linear decision boundary between alternate logical states (220, 222) in a Viterbi trellis of a receiver. The non-linear decision boundary is generated in response to a correlation between a pre-stored sequence of bits in the receiver and corresponding bits of a training sequence received by the receiver and applied to the MLPNN, such that the symbol sample (230, 232), located in an area (224, 226) of input signal space (106) associated with a particular one of the logical states and which area transgresses an equi-distant decision boundary nominally separating the alternate logical states, is interpreted as having a logical value of the particular one of the logical states, as shown in the figure. The decoding process is therefore optimised for an interference limited environment.
摘要翻译：为了解决在输入信号空间（106）中扭曲接收到的符号样本（230,232）的位置的非高斯分布干扰（224,226），布置了多层感知器神经网络（MLPNN）对于解码处理，在接收机的维特比网格中的替代逻辑状态（220,222）之间的非线性判定边界。响应于接收机中预先存储的比特序列与由接收机接收的应用于MLPNN的训练序列的相应比特之间的相关性，生成非线性判决边界，使得符号样本（230,232 ），其位于与逻辑状态中的特定逻辑状态相关联的输入信号空间（106）的区域（224,226）中，以及哪个区域超过名义上分离替代逻辑状态的等距决定边界被解释为具有逻辑值的特定逻辑状态，如图所示。因此，解码过程针对干扰有限的环境进行了优化。

8. 发明申请

WO2004040789A3 CASCADE FILTER RECEIVER FOR DS-CDMA COMMUNICATION SYSTEMS 审中-公开
标题翻译：用于DS-CDMA通信系统的级联滤波器接收器
公开(公告)号：WO2004040789A3
公开(公告)日：2004-07-22
申请号：PCT/CA0301650
申请日：2003-10-29
申请人： AXIOCOM INC , MASSICOTTE DANIEL , DAHMANE ADEL-OMAR
发明人： MASSICOTTE DANIEL , DAHMANE ADEL-OMAR
IPC分类号： H04B1/707 , H04L25/03
CPC分类号： H04B1/7105 , H04B1/71075 , H04L25/03305 , H04L25/03331 , H04L2025/03464 , H04L2025/03484 , H04L2025/03509 , H04L2025/03617
摘要： A description of an adaptable multiuser processing unit applied to Direct-Sequence Code Division Multiple Access (DS-CDMA) is disclosed. The adaptable multiuser processing unit consists of cascade filters where each filter is adapted independently. The adaptation of a first filter is based on the error between the output of the first filter and a desired signal, in the same way for the other filters. The adaptation is realized follow a direct, without channel identification, or indirect, with channel identification, procedure. The first filter receives the input signal in Baud (1/T) or Fractionally (k/T) spaced and the last filter gives to the MUD output the decisions on the symbols estimated for each users. A decision feedback may be applied to the input of each filter such as the conventional Decision Feedback Equalizer (DFE). In more, each filter can be linear or nonlinear.
摘要翻译：公开了应用于直接序列码分多址（DS-CDMA）的可适应多用户处理单元的描述。自适应多用户处理单元由级联滤波器组成，其中每个滤波器都是独立调整的。第一个滤波器的自适应基于第一个滤波器的输出和所需信号之间的误差，对于其他滤波器也是如此。自适应是直接实现的，没有通道识别，或间接通道识别，程序。第一个滤波器以波特（1 / T）或分数（k / T）间隔接收输入信号，最后一个滤波器向MUD输出提供关于为每个用户估计的符号的决定。决策反馈可以应用于每个滤波器的输入，例如传统的判决反馈均衡器（DFE）。另外，每个滤波器可以是线性或非线性的。

9. 发明申请

WO01001344A2 NEURAL NETWORK FOR PERFORMING REAL-TIME CHANNEL EQUALISATION 审中-公开
标题翻译：用于实现实时通道均衡的神经网络
公开(公告)号：WO01001344A2
公开(公告)日：2001-01-04
申请号：PCT/GB2000/002442
申请日：2000-06-23
IPC分类号： H04L25/03 , G06N3/00
CPC分类号： H04L25/03165 , H04L2025/03464
摘要： A Neural Network capable of extracting digital data from a radio signal has a sufficiently high degree of parallelism to dynamically determine at least one suitable channel model presenting a selected propagation path of the radio signal. The degree of parallelism provided by the Neural Network is sufficient to obtain channel equalisation of the received signal by processing data inputted into the Neural Network as the data are received in real-time from the radio signal.
摘要翻译：能够从无线电信号提取数字数据的神经网络具有足够高的并行度，以动态地确定呈现无线电信号的选定传播路径的至少一个合适的信道模型。神经网络提供的并行度足以通过处理从无线电信号实时接收数据，处理输入到神经网络的数据来获得接收信号的信道均衡。

10. 发明申请

WO1996017309A1 BLIND SIGNAL PROCESSING SYSTEM EMPLOYING INFORMATION MAXIMIZATION TO RECOVER UNKNOWN SIGNALS THROUGH UNSUPERVISED MINIMIZATION OF OUTPUT REDUNDANCY 审中-公开
标题翻译：盲信号处理系统采用信息最大化通过不间断的最小化输出冗余来恢复未知信号
公开(公告)号：WO1996017309A1
公开(公告)日：1996-06-06
申请号：PCT/US1995015981
申请日：1995-11-28
申请人： THE SALK INSTITUTE FOR BIOLOGICAL STUDIES , BELL, Anthony, J.
发明人： THE SALK INSTITUTE FOR BIOLOGICAL STUDIES
IPC分类号： G06F15/80
CPC分类号： G06K9/6242 , G06N3/088 , H03H2021/0034 , H04L25/03165 , H04L2025/03464
摘要： A neural network system and unsupervised learning process for separating unknown source signals from their received mixtures by solving the Independent Components Analysis (ICA) problem. The unsupervised learning procedure solves the general blind signal processing problem by maximizing joint output entropy through gradient ascent to minimize mutual information in the outputs. The neural network system can separate a multiplicity of unknown source signals from measured mixture signals where the mixture characteristics and the original source signals are both unknown. The system can be easily adapted to solve the related blind deconvolution problem that extracts an unknown source signal from the output of an unknown reverberating channel.
摘要翻译：通过解决独立成分分析（ICA）问题，将神经网络系统和无监督学习过程从其接收到的混合物中分离出来。无监督学习过程通过梯度上升最大化联合输出熵来最小化输出中的相互信息来解决通用盲信号处理问题。神经网络系统可以将多个未知源信号与测量的混合信号分离，其中混合特性和原始源信号都是未知的。该系统可以容易地适应于解决从未知混响信道的输出中提取未知源信号的相关盲解卷积问题。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式