基于BP神经网络的数字调制方式自动识别研究.pdfVIP

维普资讯 网络技 术 基于BP神经网络的数字调制方式 自动识别研究 罗胜恩 罗小武 段 田东 信息工程大学信息工程学院 郑州 450002 摘 要 研 究了基于反 向传播 (BP)神经网络的数字调制方式识别算法 (DMRA)的基本原理。针对八进制数字信号特 点提 出了两个新的调审1识剐特征参数。通过软件编程进行仿真实验，结果表明在相同信噪 比情况下较基于决策理论识 剐方 法的识别率高。 关键词 BP神经网络 DMRA 特征参数 识别的原理过程如下：构建识别网络的结构，针对本 文的特征参数的个数及可识别调制方式的种类确定 1 引言 BP神经网络的输入输出节点个数 ，关键的问题是确 关于信号调制方式识别方面的研究，持续到现 定神经网络的隐层数和隐层节点数 ，经过实验证明 在 已经形成的识别方法可分为两类 ：最大似然方法 采用单隐层 18个节点的隐层结构可以达到最优的 和模式识别方法。前者判别规则简单但检验统计量 识别效果；识别 网络的训练学习，包括网络 的初始 的计算复杂且需要先验信息_1；后者判别规则复杂 化 、训练矩阵和 目标矩阵的设置、训练学习函数的选 但特征提取简单易于计算。在模式识别方法中，一 择。网络的初始化设置网络的各种初始参数 ，包括 类重要的方法是使用统计矩特征来识别调制方式， 训练 目标 ；训练矩阵由各种 已知信号的特征参数组 这些特征基本都有明确的物理意义和精确的数学描 组成，目标矩阵的设置要与训练矩阵对应；在实际训 述_2J，此外还可以用复杂度来识别调制信号_3j。在 练时根据不同的需要选择相应的训练学习函数。最 采用统计矩特征识别信号的调制方式时，可以用基 后就可以按照上述情况对网络进行训练。训练好的 于决策理论的识别方法_4j，但这种方法有其本身的 BP网络就可以用来判别信号的调制方式 ，在进行识 缺陷，每个判决节点只用一个特征参数。本文采用 别同时还要应用识别结果及相应的特征参数对网络 基于统计矩特征的瞬时参数法 ，从信号时域瞬时参 进行修正 ，使之适应信号的变化。 数中提取 出特征参数 ，然后构建 BP网络作为识别 基于BP网络来识别调制方式相对与其他方法 网络来判别信号的调制方式，每次判决都使用全部 (如决策理论方法识别)的优点在 ：特征判决门限是 特征参数 ，可显著的提高识别率。 自动选取的，而且对 门限的选取有 自适应 自学习的 2 基于 BP网络的数字调制方式 自动 能力；每次判决都使用所有的特征使识别成功率与 特征的次序无关 ，并且识别成功率与单个特征关系 识别 不大，主要与整体特征值有关 ，这就大大提高了识别 率 [。 2．1 调制方式识别 的原理及过程 2．2 特征参数的提取 本文调制方式识别方法 的过程主要 由特征提 取、识别网络 、判决模块和训练模块组成。在特征提 对于一个数字信号来说 ，其时域本质的特点都 取模块中特征参数从信号时域瞬时参数中提取 ，除 蕴含在幅度、相位和频率信息上。本文从数字信号 常用的五个特征参数外 ，还提出了两个新 的识别特 的时域瞬时参数 (瞬时幅度、瞬时相位、瞬时频率)提 征参数 ，不仅使可识别的数字调制类型增加。而且提 取特征参数。常用的五个数字调制识别特征参数如 高了识别准确率；识别网络模块采用 BP神经 网络