一种小波特征与深度神经网络结合的信号制式识别算法

• 作者: 唐作栋 雒瑞森 龚晓峰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 小波特征 深度神经网络 弹性反向传播 制式识别
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 902-909
• 页数: 8页
• 分类号: TN91
• 字数: 5125字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.05.018

摘要

针对当前通信信号的制式识别算法在低信噪比情况下识别不准确的问题,提出一种新的小波特征与改进的深度神经网络结合(WL-DNN)的识别算法.该算法将生成的10种{2ASK、4ASK、2PSK、4PSK、2FSK、4FSK、OFDM、16QAM、AM、FM}含有高斯白噪声的通信信号,用小波分解重构算法提取出一类新的小波特征参数.本文测试了含有多层隐含层的改进BP神经网络作为分类器,利用弹性反向传播算法训练神经网络的参数,确定神经网络的最优超参数.仿真结果表明:在信噪比低至0 dB的情况下,单个调制信号最低识别率超过95％,平均识别率超过98％,大幅提高了制式识别在低信噪比下的识别率,由此表明了该算法的有效性和正确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚晓峰	四川大学电气工程学院	79	565	12.0	21.0
2	唐作栋	四川大学电气工程学院	2	0	0.0	0.0
3	雒瑞森	四川大学电气工程学院	17	16	2.0	4.0