论文部分内容阅读
无线传感网(WSN)应用领域广阔,具有低成本、动态拓扑性强等特点,是未来网络发展的主流形式。现有的WSN通信技术均采用基于训练序列的自适应均衡技术,需要大量的训练序列才能满足不断进行自组网、信道急剧变化的WSN通信要求。基于传感器节点本身电池无法续航的特性,低能耗成为了WSN的关键设计原则之一。盲均衡和盲检测技术无需训练序列,能够有效节能,在WSN中具有极大的研究应用前景。近年来,WSN环境中盲均衡和盲检测技术的研究已经取得了一些进展。本论文受国家自然科学基金项目(项目批准号:61302155)支持,在前期成果基础上主要创新工作如下:(1)为了提高节点检测数据盲处理的精度,在基于分簇虚拟MIMO无线传感网盲处理系统基础上,簇外采用MIMO-LPA盲均衡算法,簇内采用连续Hopfield神经网络(HNN)盲检测算法,从整体系统角度出发,通过簇外和簇内两层信号盲处理获得WSN中每个节点的发送数据。(2)基于混沌和超混沌序列较优的伪随机性,本文先后提出了基于混沌预编码技术簇内盲检测方案和基于超混沌预编码技术簇内盲检测方案。仿真实验表明:基于混沌预编码技术和超混沌预编码技术簇内盲检测方案均能有效提高本文中WSN系统簇内盲处理性能,且基于超混沌预编码技术簇内盲检测方案性能更优。(3)为了进一步提高本文中WSN系统盲处理性能,基于本课题组前期提出的正反馈Hopfield神经网络(PFHNN)盲检测算法良好的抗噪声特性,本文提出了PFHNN超混沌预编码无线传感网盲处理系统。仿真表明PFHNN盲检测算法的引入虽然极大地提高了本文中WSN系统盲处理性能,却降低了系统收敛速度。针对这个问题,本文进一步提出了双Sigmoid正反馈Hopfield神经网络(DS-PFHNN)超混沌预编码无线传感网盲处理系统。仿真实验表明:DS-PFHNN超混沌预编码无线传感网盲处理系统在误码性能和收敛速度上均实现了提高。