一种引力搜索优化神经网络的调制识别算法

发布时间：2023-04-27 21:02

　　为了提高低信噪比条件下调制信号识别率,提出一种基于引力搜索算法优化神经网络的数字调制识别算法。首先通过瞬时特征、高阶累积量和小波变换提取信号的6个特征参数。然后基于Tent映射初始化神经网络的权值和阈值,降低局部收敛的概率;当陷入局部最优时,对精英粒子进行柯西扰动,增加全局搜索能力;通过自适应改变引力衰减因子代替原有固定取值,从而提高引力搜索算法的收敛速度。最后利用混合引力搜索算法优化神经网络,将特征参数输入优化后的神经网络分类器对信号进行分类识别。仿真结果表明,该识别算法在信噪比为-1dB时,信号的整体识别率达到95%以上。

【文章页数】：8 页

【文章目录】：
1 特征提取
    1.1 基本瞬时特征
    1.2 高阶累积量特征
    1.3 小波变换特征
2 HGSA算法优化神经网络
    2.1 GSA算法
    2.2 HGSA算法
        2.2.1 基于Tent映射的种群初始化
        2.2.2 精英粒子柯西扰动
        2.2.3 改进引力常数
    2.3 优化神经网络
3 仿真实验与结果分析
    3.1 特征参数随信噪比变化情况
    3.2 引力常数有效性验证
    3.3 算法性能比较
    3.4 不同信号识别率仿真
4 结语



本文编号：3803057