基于演化BP神经网络的通信信号调制方式识别方法技术

本发明专利技术提供一种基于演化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。

Modulation Recognition Method of Communication Signal Based on Evolutionary BP Neural Network

【技术实现步骤摘要】
基于演化BP神经网络的通信信号调制方式识别方法
本专利技术涉及一种基于演化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。
技术介绍
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AzzouzEE,NandiAK.等几位学者发表的两篇关于自动调制识别的文章，“Automaticidentificationofdigitalmodulationtypes”SignalProcessing47199555本文档来自技高网...

【技术保护点】
1.基于演化BP神经网络的通信信号调制方式识别方法，其特征在于：步骤如下：步骤一：获得不同调制方式通信信号的数据集合；步骤二：对步骤一得到的数据集合进行预处理，预处理操作包括归一化、分段处理，将每种调制方式的通信信号都分成长度相等的多个数据段及每个数据段对应标签的集合形式；步骤三：瞬时特征参数提取；步骤四：初始化猫群种群规模、最大迭代代数、适应度函数、搜寻记忆池初始大小、初始扰动大小、分配比例；其中：猫群规模为N,第n只猫对应编号n,1≤n≤N；最大迭代代数Gmax，当前迭代代数g,1≤g≤Gmax；适应度函数定义为

【技术特征摘要】
1.基于演化BP神经网络的通信信号调制方式识别方法，其特征在于：步骤如下：步骤一：获得不同调制方式通信信号的数据集合；步骤二：对步骤一得到的数据集合进行预处理，预处理操作包括归一化、分段处理，将每种调制方式的通信信号都分成长度相等的多个数据段及每个数据段对应标签的集合形式；步骤三：瞬时特征参数提取；步骤四：初始化猫群种群规模、最大迭代代数、适应度函数、搜寻记忆池初始大小、初始扰动大小、分配比例；其中：猫群规模为N,第n只猫对应编号n,1≤n≤N；最大迭代代数Gmax，当前迭代代数g,1≤g≤Gmax；适应度函数定义为的值表示第g代第n只猫在当前位置对应的适应度函数值；搜寻记忆池大小表示第g代搜寻记忆池的大小；分配比例表示第g代每只猫进入搜寻模式的概率；步骤五：初始化神经网络层数及对应神经元个数，随机产生猫群中每只猫的初始位置；在第g代第n只猫位置的前l1维位置作为输入层到第一隐藏层的初始权值及阈值，第l1+1维到l2维位置作为第一隐藏层到第二隐藏层的初始权值及阈值，以此类推，第lm+1维到第l维位置作为隐藏层到输出层的初始权值及阈值；步骤六：得到猫群中每只猫位置对应的适应度函数值进行比较，记录目前猫群的全局最优位置及最优位置对应的适应度函数值步骤七，定义分配比例每只猫在当前代随机选择进入搜寻模式或追踪模式，选择进入追踪模式的概率为选择进入追踪模式的概率为定义符号为向下取整符号；步骤八：更新位置后计算并记录猫群中的最优适应度函数及其对应位置，和全局最优位置对应适应度函数值进行比较，选择更优位置及其对应的适应度函数值作为新的全局最优位置和适应度函数值步骤九：令g＝g+1，判断是否达到最大迭代次数，如果未达到终止条件则返回步骤七，继续迭代；否则，获得当前全局最优位置作为复合搜寻模式的猫群演化机制优化后的神经网络初始参数；步骤十：利用训练样本对优化好初始参数的神经网络进行训练；接收待识别调制信号，进行预处理和特征提取操作，将提取出的特征参数输入训练好的神经网络中，输出层输出调制识别结果。2.根据权利要求1所述的基于演化BP神经网络的通信信号调制方式识别方法，其特征在于：步骤一具体为：通过实际通信系统或数学仿真获得不同信噪比下的多种调制种类通信信号集合，在仿真产生不同调制方式通信信号集合时，将仿真得到的基带信号先通过成形滤波器再进行调制和加噪处理，成形滤波器采用时域为升余弦滚降函数的滤波器，滤波器的两个参数分别是滚降系数β和码元周期T，其时域表达式为式中t表示时间。3.根据权利要求2所述的基于演化BP神经网络的通信信号调制方式识别方法，其特征在于：步骤三具体为：用数学工具对每个数据段进行瞬时特征参数的提取，得到通信信号瞬时特征参数和对应标签的数据集合，作为演化神经网络训练和仿真的样本库，所述瞬时特征参数包括：零中心归一化瞬时幅度的谱密度最大值γmax，零中心非弱信号段瞬时相位非线性分量绝对值的标准方差σap，零中心非弱信号段瞬时相位非线性分量绝对值的标准偏差σdp，瞬时幅度包络的均值Ea，瞬时幅度包络的方差归一化瞬时频率的方差还有一些基于其他统计量或时频变换算法提取出的特征参数如：统计三阶中心距偏度系数、统计四阶中心距峰度系数、瞬时幅度四次方的谱密度函数或是小波分解提取的细节特征。4.根据权利要求3所述的基于演化BP神经网络的通信信号调制方式识别方法，其特征在于：步骤六中的适应度函数具体包括：(6a)、根据步骤五设定的神经网络层数及每层对应神经元个数初始化神经网络结构，定义当前神经网络训练代数q，神经网络结构定义为[X,H1,H2,...,Hd,Y]，输入层神经元定义为X＝(X1,X2,X3,...,Xr)，r为步骤三中瞬时特征提取的种类个数；第一隐藏层神经元定义为其中为第一层隐藏层神经元个数；第二隐藏层神经元定义为其中为第二层隐藏层神经元个数，之后隐藏层神经元定义以此类推，输出层神经元定义为Y＝(Y1,Y2,Y3,....

【专利技术属性】
技术研发人员：高洪元，李志洋，孙志国，陈增茂，苏雨萌，杜亚男，刁鸣，吕阔，王世豪，张志伟，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23