基于离散双向联想记忆神经网络的多元通信系统

作者:陈伟康; 翟其清; 王友国
更新时间:

为了探索联想记忆神经网络在通信和信号处理领域的应用,受Hopfield网络二进制通信系统的启发,针对噪声对非线性数字通信系统传输信号的影响,提高系统错误概率,提出了一种基于离散双向联想记忆(BAM)神经网络的多变量通信系统。首先,根据要传输的信号,选择合适的神经元数目和记忆向量,计算权重矩阵,生成alpin神经网络。然后将多变量信号映射成具有调制幅度的初始输入向量,连续输入系统,通过神经网络的循环迭代,将高斯噪声添加到每个神经元中,按照符号间隔进行采样和输出,然后在无损信道中传输,接收端根据判决规则对判决进行解码。最后,在图像处理领域,该系统用于传输压缩后的图像数据,并对恢复后的图像进行解码。仿真结果表明,对于大符号间距的弱调制信号,误差概率随噪声强度的增加先减小后增大,且随机共振现象更为明显。错误概率也与信号的十六进制数正相关,与信号振幅、符号间距和神经元数量正相关。在某些条件下,错误概率可以达到0。这些结果表明,BAM神经网络可以通过噪声提高数字通信系统的可靠性。此外,通过解码恢复的图像相似性表明,适当的噪声改善了图像恢复效果,这扩展了Alpine神经网络和随机共振在图像压缩编码的应用。