[发明专利]基于ART2A-DWNN的通信信号调制方式的分类识别方法

摘要

基于ART2A-DWNN的通信信号调制方式的分类识别方法，属于通信信号调制方式的分类识别领域。它解决了单个神经网络对通信信号进行分类识别判决周期长，准确性低的问题。本发明方法采用基于ART2A网络的ART2A-E算法作为组合神经网络的第一层，通过选取相对较小的警戒参数值将相近模式进行粗糙分类；DWNN直接连在ART2A网络相应类别的输出层，采用时域频域同时具有较高分辨率的Morlet母小波ψ(x)，利用误差反向传播法进行学习，采用共轭梯度法修改突触权值，直到输出在误差范围以内，经过ART2A-E粗略分类后，每个类内的模式数目减少，使DWNN能够快速收敛。本发明用于对通信信号的分类识别。

主权项

1、一种基于ART2A-DWNN的通信信号调制方式的分类识别方法，其特征在于它基于ART2A神经网络和DWNN神经网络实现，ART2A神经网络由注意子系统、取向子系统和调制类型二次判决模块组成，注意子系统由短期记忆特征表示场F₁和短期记忆类别表示场F₂组成，取向子系统中预存警戒门限值ρ，它的通信信号调制方式的分类识别过程为：步骤一、对通信信号进行特征向量提取，将提取后的特征向量作为ART2A神经网络的输入向量，应用ART2A-E算法对输入ART2A神经网络的输入向量进行处理：设定输入向量为N维列向量X(k)，将N维列向量X(k)输入给ART2A神经网络的短期记忆特征表示场F₁的N个神经元，X(k)＝[x₁(k)，...，x_N(k)]^T，k为输入N维列向量的序号；用M表示短期记忆类别表示场F₂中神经元总数，μ(k)为输入N维列向量X(k)时短期记忆类别表示场F₂中被占用的神经元个数，未占用的神经元不设定权向量；将短期记忆特征表示场F₁与短期记忆类别表示场F₂间的内星连接权与外星连接权合并为由短期记忆特征表示场F₁→短期记忆类别表示场F₂的单一方向的权向量W_j(k)，W_j(k)＝[w_j1(k)，...，w_jN(k)]^T，j＝1～μ(k)；应用线性变换使x_i(k)满足0≤x_i(k)≤1，i＝1-N；步骤二、对N维列向量进行竞争和匹配学习并进行聚类：当输入N维列向量的序号k＝1时，W_j(k)＝W₁(1)＝X(1)，μ(1)＝0，μ(2)＝1；然后执行步骤三；当输入N维列向量的序号k＞1时，竞争和匹配度计算一步完成，匹配度最高的第一获胜标号用j₁^*(k)表示，第一获胜标号j₁^*(k)通过对X(k)与的欧式距离的计算得到，与第一获胜标号j₁^*(k)对应的匹配度为η₁，将匹配度η₁与取向子系统中预存的警戒门限值ρ进行比较：当η₁＜ρ时，输入N维列向量的模式与预存储的模式不相符，将μ(k)与M值进行比较判断，若μ(k)＜M，开辟一个标号为μ(k)+1的新聚类区，设定W_μ(k)+1(k)＝X(k)；若μ(k)＝M，短期记忆类别表示场F₂中神经元被占满，完成聚类，转入下一节拍学习；当η₁≥ρ时，输入N维列向量的模式与预存储的模式相符，匹配度合格，输入向量进入自适应谐振状态，调整权向量同时完成聚类：若j≠j₁^*(k)，W_j(k+1)＝W_j(k)；若j＝j₁^*(k)，W_j(k+1)＝W_j(k)+α[X(k)-W_j(k)]，式中α为预设定的学习率；然后执行步骤三；步骤三、对步骤二中经过聚类后获得的向量进行粗分类：设定经过聚类后输出的向量为Y(k)＝[Y₁(k)，...，Y_M(k)]^T，将Y(k)输入给调制类型二次判决模块，调制类型二次判决模块将Y(k)判定为L类调制类型MT_i，L≤M，1≤i≤L；步骤四、精细分类：将步骤三中经过粗分类的每一类输出向量[Y_i(k)，...，Y_j(k)]^T分别作为一个DWNN神经网络的输入向量，对DWNN神经网络进行训练并调整权值，当DWNN神经网络的输出向量与预设的期望输出向量的误差小于预先设定的阈值时，完成对通信信号调制方式的分类识别，否则继续进行下一轮迭代学习。