论文部分内容阅读
细胞神经网络(Cellular Neural Network,CNN)是基于Hopfield神经网络和细胞自动机提出的一种面向VLSI实现的反馈型神经网络,其规则的局部连接结构十分适合于解决信号处理问题。同时,它也是一种非线性动态系统,在一个简单的细胞神经网络系统中就会出现有趣的分形现象以及复杂的混沌或超混沌动态特性。CDMA通信方式由于具有抗阻塞干扰、抗多径衰落、高保密性、频谱利用率高等优点,目前已经成为第三代移动通信系统的主流技术。多址干扰是限制CDMA系统容量和性能的一个重要的因素,是各用户扩频序列之间不完全正交造成的。目前,多用户检测技术和设计性能优良的扩频序列等方法可以用来降低CDMA系统中的多址干扰。本文将细胞神经网络用于CDMA系统中降低多址干扰的几种核心技术中,并初步探讨了细胞神经网络的硬件实现问题。首先,利用细胞神经网络的强大的信号处理能力,来完成多用户检测,并通过加入随机扰动的方法避免细胞神经网络陷入局部极小点来对其进行优化,提出了随机扰动细胞神经网络多用户检测器。经过仿真验证,随机扰动细胞神经网络多用户检测器与其他几种反馈型神经网络多用户检测器相比,误码率更低,抗远近效应的能力更强。然后,利用细胞神经网络内部复杂的动力学行为,产生了混沌和超混沌现象,并对混沌和超混沌输出进行采样及组合等处理得到了CNN二值混沌扩频序列和CNN多值超混沌扩频序列。经过仿真这两种CNN混沌和超混沌序列对初值都十分敏感,尤其是多值超混沌扩频序列,码源更加丰富,保密性远远优于传统的各种混沌扩频序列。将得到的CNN二值以及多值序列经过平衡性、自相关性以及互相关性的筛选后应用于多个用户的CDMA系统中去,经过仿真证明在降低误码率方面,筛选后的CNN混沌以及超混沌序列与m序列、GOLD序列等传统的扩频序列相比,有着明显的优势。最后,初步探讨了细胞神经网络的硬件实现,基于FPGA芯片设计实现了一个三阶细胞神经网络并得到了其混沌序列输出,通过仿真验证了系统的正确性,为细胞神经网络的工程实现奠定了基础。