基于KBANN的调制识别仿真研究

摘要：

BP网络广泛应用于多信号调制样式识别,但普通BP网络存在隐层数目难以确定、收敛速度慢、容易陷入局部最小等缺点.为了克服上述缺点,仿真研究了一种基于知识人工神经网络(KBANN)的信号调制样式识别算法.首先将C4.5算法引入信号特征参数的阈值分割,根据输出的决策树构造出具有决策树特征的拓扑结构,然后使用共轭梯度学习算法提高BP网络的收敛性能.仿真结果表明,与普通BP网络相比,基于知识神经网络的识别算法网络的结构易于实现、能有效改善网络收敛,并提高低信噪比下的正确识别率,为利用神经网络进行调制识别提供了新的思路.

关键词：反向传播网络、知识神经网络、决策树、调制识别

所属期刊栏目：26

分类号：TP183(自动化基础理论)

在线出版日期：2009-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：152-155,159