為了提高低信噪比條件下調(diào)制信號識別率,提出一種基于引力搜索算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的數(shù)字調(diào)制識別算法。首先通過瞬時特征、高階累積量和小波變換提取信號的6個特征參數(shù)。然后基于Tent映射初始化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,降低局部收斂的概率;當(dāng)陷入局部最優(yōu)時,對精英粒子進行柯西擾動,增加全局搜索能力;通過自適應(yīng)改變引力衰減因子代替原有固定取值,從而提高引力搜索算法的收斂速度。最后利用混合引力搜索算法優(yōu)化神經(jīng)網(wǎng)絡(luò),將特征參數(shù)輸入優(yōu)化后的神經(jīng)網(wǎng)絡(luò)分類器對信號進行分類識別。仿真結(jié)果表明,該識別算法在信噪比為-1dB時,信號的整體識別率達到95%以上。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 特征提取
    1.1 基本瞬時特征
    1.2 高階累積量特征
    1.3 小波變換特征
2 HGSA算法優(yōu)化神經(jīng)網(wǎng)絡(luò)
    2.1 GSA算法
    2.2 HGSA算法
        2.2.1 基于Tent映射的種群初始化
        2.2.2 精英粒子柯西擾動
        2.2.3 改進引力常數(shù)
    2.3 優(yōu)化神經(jīng)網(wǎng)絡(luò)
3 仿真實驗與結(jié)果分析
    3.1 特征參數(shù)隨信噪比變化情況
    3.2 引力常數(shù)有效性驗證
    3.3 算法性能比較
    3.4 不同信號識別率仿真
4 結(jié)語



本文編號：3803057