0 引言

　　無線傳感器網(wǎng)絡(luò)是一個能量受限的網(wǎng)絡(luò)，傳感器節(jié)點有體積、成本等方面的限制，多數(shù)情況下傳感器網(wǎng)絡(luò)中的節(jié)點都是由電池供電，電池容量有限，并且在很多應(yīng)用中不可能更換電池。由于傳感器節(jié)點的無線通信傳輸能耗是傳感器節(jié)點能耗的主要部分，因此設(shè)計有效的策略抑制多徑衰落影響是無線傳感器網(wǎng)絡(luò)提高能效和實用化的重要問題。

　　由于無線傳感網(wǎng)一般是由低處理能力的節(jié)點組成，設(shè)計低復雜度的接收算法是其必然要求[1-3]。參考文獻[4]中Cui等人首次建立了協(xié)作式虛擬MIMO系統(tǒng)的能耗模型，但需要發(fā)送訓練序列估計信道，會耗費傳感器節(jié)點能量?；?a class="innerlink" href="http://ihrv.cn/tags/Hopfield神經(jīng)網(wǎng)絡(luò)" title="Hopfield神經(jīng)網(wǎng)絡(luò)" target="_blank">Hopfield神經(jīng)網(wǎng)絡(luò)的盲檢測算法具有良好的自適應(yīng)性和并行處理信息的能力[5-6]，所需數(shù)據(jù)量極短，復雜度較低，但由于單純采用梯度下降的動力學特性進行尋優(yōu)，具有易收斂到優(yōu)化問題的局部極小解的缺陷。因此混沌技術(shù)被引入Hopfield神經(jīng)網(wǎng)絡(luò)中，利用混沌的遍歷性和類隨機性等豐富的動力學特性進行全局遍歷搜索以改善Hopfield神經(jīng)網(wǎng)絡(luò)的這一缺陷，使得網(wǎng)絡(luò)跳出局部最小以實現(xiàn)全局最優(yōu)[7-8]。

　　針對無線傳感網(wǎng)的上述需求和混沌Hopfield神經(jīng)網(wǎng)絡(luò)的特點，本文構(gòu)造了基于改進的混沌Hopfield神經(jīng)網(wǎng)絡(luò)的盲檢測方法，對簇首進行盲信號檢測和信道盲估計，并利用該簇中所有節(jié)點的發(fā)送信號具有高互相關(guān)性特點，最終得到簇內(nèi)所有傳感器檢測信號。

1 簇內(nèi)傳感器信號傳輸SIMO模型

　　如圖1所示，在無線傳感網(wǎng)傳輸模型分簇的基礎(chǔ)上，每個簇由簇首節(jié)點和成員節(jié)點構(gòu)成，分簇的原理是鄰近的傳感器節(jié)點收集的數(shù)據(jù)相關(guān)性高，簇內(nèi)成員節(jié)點負責感知、采集數(shù)據(jù)，并把監(jiān)測到的數(shù)據(jù)發(fā)送到本簇的簇首節(jié)點。各簇內(nèi)簇首一般是數(shù)據(jù)融合節(jié)點，包含低復雜度的檢測算法，負責接收簇成員發(fā)來的數(shù)據(jù)，對接收到的多個傳感器信息進行相應(yīng)的融合及智能處理，并將檢測出的信號發(fā)送到接收端(Sink)。

　　不失一般性，設(shè)無線傳感網(wǎng)某簇內(nèi)具有q個節(jié)點，分別發(fā)送信號至簇首，則模型可看作SIMO的有限沖激響應(yīng)系統(tǒng)，其基帶輸出信號為：

　　其中，sN∈{±1}N是N維向量，所屬字符集{±1}。

　　滿列秩時，一定有Q=Uc U滿足QsN(k-d)=0。d=0，…，M+L，且(Uc)N×(N-(L+M+1))是奇異值分解XN=[U，Uc]·D0·VT中的酉基陣。如此，簇內(nèi)簇首信號的盲檢測問題就成為了式(3)的全局最優(yōu)解問題。

2 改進的混沌Hopfield盲檢測算法

　　本文將混沌初始化和混沌擾動引入經(jīng)典Hopfield神經(jīng)網(wǎng)絡(luò)，設(shè)計了改進的混沌Hopfield神經(jīng)網(wǎng)絡(luò)來解算式(3)的目標函數(shù)，其結(jié)構(gòu)如圖2所示。

　　為利用Hopfield神經(jīng)網(wǎng)絡(luò)實現(xiàn)信號的盲檢測，設(shè)計聯(lián)接矩陣為W=IN-Q，所以能量函數(shù)的極值點就是式(3)優(yōu)化問題的解。本文選取邏輯自映射、H映射這兩種混沌映射進行相關(guān)的分析。

　　2.1 混沌初始化

　　利用混沌映射產(chǎn)生混沌初始化序列的步驟如下：

　　(1)隨機產(chǎn)生一個初始向量y0=(y11，y12，…，y1N)T，y1i∈[-1，1]，將y0代入混沌映射函數(shù)，得到m個向量y1，y2，…，ym。

　　(2)計算y1，y2，…，ym中每組序列的目標函數(shù)值，選取最好的一組向量yi。

　　(3)將yi變換到目標函數(shù)初始序列的取值區(qū)間即可得到盲檢測初始發(fā)送序列。

　　2.2 混沌擾動

　　在當前全局最優(yōu)值不變時進行小幅度的混沌擾動?；煦鐢_動的過程如下：令算法中當前迭代搜索到的最優(yōu)解為sbest，以sbest為基礎(chǔ)進行混沌擾動，有：

　　s=sbest+aw(4)

　　式中，w是采用類似混沌初始化的方法利用混沌映射產(chǎn)生的混沌序列，a是調(diào)整參數(shù)；計算此時目標函數(shù)的值并與對應(yīng)的sbest的值進行對比，如果取得的解優(yōu)于sbest則取代成為當前全局最優(yōu)解，否則進入下一次迭代。

　　2.3 算法流程圖

　　在初始化階段，混沌初始化發(fā)送序列，在算法陷入早熟收斂時進行混沌擾動，算法流程圖如圖3所示。

3 由相關(guān)性推導出簇內(nèi)其他傳感器的信道

　　利用簇內(nèi)所有節(jié)點的發(fā)送信號具有高互相關(guān)性的特點，對其余傳感器節(jié)點進行信道盲估計[4-5]。

　　由擾碼特性對求得的sN(k)解擾，得到簇首傳感器的發(fā)送信號b(k)，構(gòu)造S，即可由式(5)求得簇首傳感器信道的Toeplitz矩陣。

　　其中，( )#表示偽逆運算。不失一般性，設(shè)求得的簇首信道的Toeplitz矩陣為?祝1，可定義對應(yīng)于第a列向量為H1(a)=[0a-M，hM，…，h0  0L-a]T，其中M≤a≤L，0a-M即為a-M維的0向量。

　　求取簇內(nèi)某個傳感器e與簇首傳感器之間的信號相關(guān)矩陣，假設(shè)：

　　依次類推，即可一一求得簇內(nèi)所有傳感器信道。

4 仿真分析

　　固定簇內(nèi)成員節(jié)點發(fā)送信號數(shù)據(jù)量N=100時，發(fā)送信號為BPSK信號，噪聲為加性高斯白噪聲。所有仿真結(jié)果都經(jīng)過100次Monte Carlo實驗而得，為作圖方便，將誤碼率為零的點均設(shè)為10-5處理。

　　實驗1：不同信噪比情況下采用典型的Logistic混沌映射（u取4.0）時算法的平均誤碼率曲線圖。

　　由圖4可知，基于經(jīng)典Logistic混沌映射的Hopfield神經(jīng)網(wǎng)絡(luò)算法會導致穩(wěn)定和不穩(wěn)定的情況發(fā)生，雖然也能改善收斂性能但穩(wěn)定性較差。

　　實驗2：不同信噪比情況下，分別采用邏輯自映射、3階Chebyshev混沌模型、2階Chebyshev混沌模型、H映射時算法的平均誤碼率如圖5所示。

　　由圖5可知，利用邏輯自映射、Chebyshev混沌映射以及H映射的算法性能均優(yōu)于普通的Hopfield神經(jīng)網(wǎng)絡(luò)盲檢測算法，且穩(wěn)定性較好，優(yōu)于采用經(jīng)典Logistic混沌映射。

5 結(jié)論

　　本文在無線傳感網(wǎng)傳輸模型分簇的基礎(chǔ)上，提出一種改進的基于混沌Hopfield神經(jīng)網(wǎng)絡(luò)盲檢測算法，利用混沌映射產(chǎn)生初始發(fā)送序列并在算法陷入早熟收斂時進行小幅度的混沌擾動。仿真結(jié)果表明，混沌系統(tǒng)豐富的動力學特性使得算法的收斂性能得到了改善。

參考文獻

　　[1] LI X.Blind channel estimation and equalization in wirelesssensor networks based on correlations among sensors[J].IEEE Transactions on Signal Processing，2005，53(4)：1511-1519.

　　[2] LI X.Blind channel identification and equalization in dense wireless sensor networks with distributed transmissions[C].2004 IEEE International Conference on Acoustics，Speech，and Signal Processing，May 17-21，2004，Montreal，Quebec，Canada，2004.

　　[3] 程波.無線傳感器網(wǎng)絡(luò)虛擬MIMO接收技術(shù)研究[D].武漢：華中科技大學，2007.

　　[4] CUI S，GOLDSMITH A J，BAHAI A.Energy-efficiency of MIMOand cooperative MIMO techniques in sensor networks[J].Selected Areas in Communications，IEEE Journal on，2004，22(6)：1089-1098.

　　[5] 張昀，張志涌，于舒娟.基于幅值相位型離散Hopfield神經(jīng)網(wǎng)絡(luò)的多進制振幅鍵控盲檢測[J].物理學報，2012，61(14)：82-90.

　　[6] 張昀，于舒娟，張志涌，等.基于實虛型連續(xù)多值復數(shù)Hop field神經(jīng)網(wǎng)絡(luò)的QAM盲檢測[J].電子學報，2013(2)：255-259.

　　[7] 張坤，郁湧.一種小波神經(jīng)網(wǎng)絡(luò)的混沌加密算法研究[J].電子技術(shù)應(yīng)用，2011，37(1)：132-134.

　　[8] 俞斌，賈雅瓊.一種新的混沌擴頻序列及其性能分析[J].電子技術(shù)應(yīng)用，2013，39(1)：136-138.