一种改进的BP神经网络调制分类器.pdfVIP

一种改进的BP神经网络调制分类器 陈丽 葛临东 (信息工程学院 郑州 450002) [摘要] 本文致力于基于神经网络的通信信号调制类型识别器设计研究。论文提出了一种改进的 BP神经网络分类器，它采用7个特征参数，可以对CW、2FSK、4FSK、8FSK、2PSK、4PSK、8PSK、 8QAM、16QAM、4ASK、8ASK共11种调制类型实现正确分类识别。论文讨论了方案设计，给出了仿 真试验结果，并将其与其他神经网络分类器进行了性能比较。 [关键词] 调制类型识别，特征参数，分层结构组合分类器，神经网络 An Improved BP Classifier of Modulation Types based on Neural Networks Chen Li Ge Lin-dong (Institute of Information Engineering, Zhengzhou 450002) [Abstract] This paper is focusing on a study on the neural network based classifier design of modulation types for communication signals. An improved BP classifier based on artificial neural networks (ANN) is proposed which, by the use of 7 characteristic parameters, could make correct identification among 11 modulation types, i.e. CW、 2FSK、4FSK、8FSK、2PSK、4PSK、8PSK、8QAM、16QAM、4ASK and 8ASK. The design procedure is discussed and simulation results are presented. Finally a performance comparison with other neural network based classifiers is also provided. [Key words] modulation type identification, feature parameter，hierarchical architecture combined classifier, artificial neural networks 1 引言 在当今信息社会，为了充分地利用信道，空间传播的通信信号采用了不同的调制方式。调 制方式是区分不同性质通信信号的一个重要特征，而且调制信号识别广泛应用于信号确认、干 扰辨识、无线电侦听、信号检测和威胁分析等领域。随着通信信号的密度越来越高，调制方式 越来越多样化，在没有任何先验知识的情况下，信号的分类识别变得非常困难，因此对调制方 式的分类识别成为人们研究的焦点。 调制方式自动识别的关键是特征参数提取和识别算法。特征提取部分是调制识别的首要和 基本的问题，此问题的很好解决将对分类识别器的要求降低。从识别算法来看，主要分为决策 论法和神经网络(ANN)模式识别法。决策论法是采用假设检验理论去解决信号分类问题，该类 方法适用于具体某类调制信号识别，识别范围窄。神经网络模式识别法是由经典模式识别理论 的特征抽取概念而来，具有自组织和自学习能力、推广能力、智能性、识别速度快等特点有其 优越性，能提高正确识别率。若能利用神经网络的并行运算特点，可实现信号识别的实时处理 [1] 。一般而言，ANN法所得到的结果要优于决策论法得到的结果。本文针对CW、2FSK、4FSK、 8FSK、2PSK、4PSK、8PSK、8QAM、16QAM、4ASK、8ASK多种常用模拟数字调制信号，提出采用自 适应学习速率动量梯度下降反向传播算法的神经网络分类器进行调制识别，并和 L