一種改進的BP神經(jīng)網(wǎng)絡調(diào)制分類器

本文致力于基于神經(jīng)網(wǎng)絡的通信信號調(diào)制類型識別器設計研究。論文提出了一種改進的
BP神經(jīng)網(wǎng)絡分類器，它采用7個特征參數(shù)，可以對CW、2FSK、4FSK、8FSK、2PSK、4PSK、8PSK、8QAM、16QAM、4ASK、8ASK共11種調(diào)制類型實現(xiàn)正確分類識別。論文討論了方案設計，給出了仿真試驗結果，并將其與其他神經(jīng)網(wǎng)絡分類器進行了性能比較。
[關鍵詞] 調(diào)制類型識別，特征參數(shù)，分層結構組合分類器，神經(jīng)網(wǎng)絡
式是區(qū)分不同性質(zhì)通信信號的一個重要特征，而且調(diào)制信號識別廣泛應用于信號確認、干擾辨識、無線電偵聽、信號檢測和威脅分析等領域。隨著通信信號的密度越來越高，調(diào)制方式越來越多樣化，在沒有任何先驗知識的情況下，信號的分類識別變得非常困難，因此對調(diào)制方式的分類識別成為人們研究的焦點。
調(diào)制方式自動識別的關鍵是特征參數(shù)提取和識別算法。特征提取部分是調(diào)制識別的首要和基本的問題，此問題的很好解決將對分類識別器的要求降低。從識別算法來看，主要分為決策論法和神經(jīng)網(wǎng)絡(ANN)模式識別法。決策論法是采用假設檢驗理論去解決信號分類問題，該類方法適用于具體某類調(diào)制信號識別，識別范圍窄。神經(jīng)網(wǎng)絡模式識別法是由經(jīng)典模式識別理論的特征抽取概念而來，具有自組織和自學習能力、推廣能力、智能性、識別速度快等特點有其優(yōu)越性，能提高正確識別率。若能利用神經(jīng)網(wǎng)絡的并行運算特點，可實現(xiàn)信號識別的實時處理[1]。一般而言，ANN法所得到的結果要優(yōu)于決策論法得到的結果。本文針對CW、2FSK、4FSK、8FSK、2PSK、4PSK、8PSK、8QAM、16QAM、4ASK、8ASK多種常用模擬數(shù)字調(diào)制信號，提出采用自適應學習速率動量梯度下降反向傳播算法的神經(jīng)網(wǎng)絡分類器進行調(diào)制識別，并和Levenberg-Marquardt優(yōu)化算法的BP分類器和概率神經(jīng)網(wǎng)絡分類器（PNN）進行性能比較。