系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2013年
10期
2186-2191
,共6页
杨发权%李赞%李红艳%郝本建%潘忠显
楊髮權%李讚%李紅豔%郝本建%潘忠顯
양발권%리찬%리홍염%학본건%반충현
蜂群算法%联合特征模块%多层感知神经网络%调制识别
蜂群算法%聯閤特徵模塊%多層感知神經網絡%調製識彆
봉군산법%연합특정모괴%다층감지신경망락%조제식별
bee colony algorithm%combined feature module%multi-layer perceptron neural network%modulation recognition
针对现有基于误差反向传播算法的多层感知器神经网络分类器在信号识别中存在收敛速度缓慢、出现假饱和现象等问题,采用蜂群算法提取信号的联合特征模块,提出快速支持、超级自适应误差反向传播、共轭梯度3种不同算法分别应用于多层感知器神经网络分类器,实现对通信信号的自动识别.所提算法和误差反向传播算法相比有更高的识别率.仿真结果表明,所提算法能够克服误差反向传播算法的缺陷,在隐藏层神经元仅为20个、信噪比为4 dB条件下,3种算法的识别率均高于95%,且系统易于实现,在信号识别中具有广泛的应用前景.
針對現有基于誤差反嚮傳播算法的多層感知器神經網絡分類器在信號識彆中存在收斂速度緩慢、齣現假飽和現象等問題,採用蜂群算法提取信號的聯閤特徵模塊,提齣快速支持、超級自適應誤差反嚮傳播、共軛梯度3種不同算法分彆應用于多層感知器神經網絡分類器,實現對通信信號的自動識彆.所提算法和誤差反嚮傳播算法相比有更高的識彆率.倣真結果錶明,所提算法能夠剋服誤差反嚮傳播算法的缺陷,在隱藏層神經元僅為20箇、信譟比為4 dB條件下,3種算法的識彆率均高于95%,且繫統易于實現,在信號識彆中具有廣汎的應用前景.
침대현유기우오차반향전파산법적다층감지기신경망락분류기재신호식별중존재수렴속도완만、출현가포화현상등문제,채용봉군산법제취신호적연합특정모괴,제출쾌속지지、초급자괄응오차반향전파、공액제도3충불동산법분별응용우다층감지기신경망락분류기,실현대통신신호적자동식별.소제산법화오차반향전파산법상비유경고적식별솔.방진결과표명,소제산법능구극복오차반향전파산법적결함,재은장층신경원부위20개、신조비위4 dB조건하,3충산법적식별솔균고우95%,차계통역우실현,재신호식별중구유엄범적응용전경.