[发明专利]基于演化BP神经网络的通信信号调制方式识别方法

说明书

本发明提供一种基于演化BP神经网络的通信信号调制方式识别方法，对获取的到已知不同调制方式的通信信号进行预处理和特征提取，提取结果作为神经网络的输入特征参量。利用复合搜寻模式的猫群演化机制以识别率为目标函数对BP神经网络初始的权值和阈值进行优化，获得最优参数作为之后进行识别的神经网络初始参数，之后利用输入特征参量和最优初始参数对BP神经网络进行训练，得到具有最优系统参数的BP神经网络。获取未知调制方式的通信信号，利用具有最优系统参数的BP神经网络对未知调制方式的通信信号进行识别得到识别结果。该方法与传统BP神经网络进行调制识别相比在相同信噪比下具有更高的识别率，尽可能的避免了训练过程中陷入局部最优解的情况。

技术领域

本发明涉及一种基于演化BP神经网络的通信信号调制方式识别方法，属于通信信号处理领域。

背景技术

调制识别是获取通信信号信息内容的前提条件。调制识别技术是近年来信号处理领域研究的热点问题，在无线电频谱资源监测和管理、电子侦察以及干扰识别等方面具有广阔的应用前景。随着通信技术的飞速发展，通信信号的体制和调制样式变得更加复杂多样，使得常规识别方法和理论无法有效地对通信信号进行有效识别，这也给通信信号的识别研究提出了更高的要求。

近年来，基于人工神经网络的调制分类器受到越来越广泛的关注。当信号受到噪声信道影响时，这些方法具有更高的分类准确度。人工神经网络能够根据特定的决策自适应地改变节点的权重。此外，人工神经网络的自适应学习能力对受噪声干扰的通信信号的分类识别非常有效。

经对现有技术文献的检索发现，从1995年到1998年由Azzouz E E,Nandi AK.等几位学者发表的两篇关于自动调制识别的文章，“Automatic identification of digitalmodulation types”Signal Processing 47 1995 55-69，“Algorithms for AutomaticModulation Recognition of Communication Signals”IEEE Transactions onCommunications,1998,46(4):431-436是较早利用通信信号的瞬时特征参数来作为分类器的分类标准，后一篇也是较早利用神经网络进行简单通信信号调制识别的文章。文章中利用数学方法提取仿真得到的四种通信信号瞬时特征值，再根据提前设置的特征值阈值，利用二叉树方法对通信信号瞬时特征值与阈值进行比对从而达到分类的效果。文章还尝试使用人工神经网络对通信信号调制方式进行识别，利用一部分提取到的瞬时特征值和通信信号对应调制方式标签作为训练样本进行训练，在10dB信噪比下可以达到较高的识别率。但是对于低信噪比和复杂调制方式等较为恶劣的通信环境下的识别，文献中并未设计实验。

传统BP(back propagation)神经网络具有结构简单、理论完整、适应性广等优点，对于调制方式识别也具有良好的性能，但是对于BP神经网络而言其训练速度、训练结果、收敛情况很大程度上受到初始权值、阈值、网络结构和训练函数选择等多方面的影响，选择一个合适的BP神经网络结构是得到优秀训练结果的重要前提，但是目前没有精确的数学模型来解决BP神经网络初始参数和结构的选择问题。利用复合搜寻模式的猫群演化机制对BP神经网络的初始权值和阈值进行最优值求解，在一定程度上可以改善神经网络训练结果，并且可以有效的改善BP神经网络分类识别的效果，具有重要的现实意义。

发明内容

本发明针对现有的BP神经网络方法对通信信号调制方式识别时，初始参数难确定、识别种类少、分类器对噪声敏感等不足，提出了一种利用复合搜寻模式的猫群演化机制来优化BP神经网络参数的新方法。该方法使用复合搜寻模式的猫群演化机制对传统BP神经网络初始参数进行优化，将初始参数确定问题转变为复杂目标函数的求解问题。优化后的神经网络与传统方法相比可以得到更优的网络参数和训练结果，且较为有效的解决了BP神经网络难于获得最优系统参数的问题，得到较高的通信信号调制识别率。

本发明的目的是这样实现的：步骤如下：