基于离散双向联想记忆神经网络的多元通信系统

摘要：

针对噪声导致非线性数字通信系统传输信号的差错概率增加的问题,提出一种基于离散双向联想记忆(BAM)神经网络的多元通信系统.首先,根据需要传输的信号,选取适当的神经元数量和记忆向量,计算权值矩阵,并生成BAM神经网络;然后将多元信号映射为具有调制幅度的初始输入向量并不断输入系统,通过神经网络进行循环迭代,并向各神经元添加高斯噪声,之后按照码元间隔采样输出并在无损信道中传输,接收端依据判决规则译码判决;最后在图像处理领域,利用所提系统传输图像压缩后的数据并解码恢复图像.仿真结果表明,对于码元间隔较大的弱调制信号,随着噪声强度的增加,差错概率先减后增,随机共振现象比较明显;差错概率还与信号的进制数呈正相关关系,与信号幅度、码元间隔和神经元个数呈负相关关系,某些条件下,差错概率可以达到0.以上结果表明BAM神经网络可以通过噪声改善数字通信系统的可靠性.另外,解码恢复图像的相似度显示了适量噪声对图像恢复效果的改善,扩展了BAM神经网络和随机共振在图像压缩编码中的应用.

关键词：双向联想记忆神经网络、多元通信系统、随机共振、差错概率、图像压缩

所属期刊栏目：43

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金62071248

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：848-852