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
【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
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3803057.html