基于改进RAN算法的调制分类器-信息工程大学学报.PDF

Vo l. 10 No.4 信息工程大学学报 第 10 卷第 4 期 2009 年 12 月 Journal of Information Engineering University Dec.2009 基于改进 RAN 算法的调制分类器 薛富强，葛川各东，王 彬 (信息工程大学信息工程学院，河南郑州 450002) 摘要:资源分配网络(RAN) 算法可以在线训练径向基(RBF) 神经网络，但算法中的网络隐层 中心通常从零开始，容易受噪声和异常数据影响。文章提出一种改进 RAN 算法，将遗传算法 (GA) 对数据优化聚类后的中心点作为 RAN 算法的初始中心。仿真表明，基于改进算法设计 的 RBF 调制分类器，结构简洁，识别准确率高。 关键词:资源分配网络算法;遗传算法 ;RBF 神经网络;调制分类器 中图分类号:TP183 文献标识码:A 文章编号:1671 -0673(2009)04 -0483 -04 Modulatioo Classifler ßased 00 Improved RAN Algorithm XUE Fu-qiang , GE Lin-dong , WANG Bin (Institute of Information Engineeri吨， Information Engineering University , Zhengzhou 450002 , China) Abstract: Radial basis function neural networks can be trained with an online algorithm which is called resources allocation network. However , it starts from the empty structure and is often affected by the noise data. This paper proposes a new algorithm which initializes the starting centers properly by genetic algorithm. Simulation results show that the structure and the classification accuracy of the RBF neural network classifier are both improved. Key words: resources allocation network; genetic algorithm; RBF neural network; modulation clas- sifier RBF 神经网络性能与其结构紧密相关，如果 通信信号自动调制识别，通过从时域和频域提 隐层节点数过多，则容易导致过训练，网络的泛化 取的信号基本特征，准确确定出接收信号的调制类 能力较差;如果隐层节点数过少，则网络难以实现 别和其它信号参数，为进一步分析和处理信号提供 对输入的映射[8] 。因此，RBF 神经网络设计的核 有效依据[1 ， 2] 其方法主要有决策论方法和统计模 心问题是确定网络拓扑结构。拓扑结构的类型又 式识别方法。后者不需要信号先验概率，通过从信 分为确定性和非