MPSO算法优化BP网络的数字调制识别方法

数字调制信号的识别方法有很多,其识别效果不尽相同。为了提高数字调制信号在不同信噪比(Signal-to-Noise Ratio,SNR)下的识别性能,提出了一种基于改进粒子群(Modified Particle Swarm Optimization,MPSO)算法优化BP网络的识别方法。针对七种常见的数字调制信号,提取了六个瞬时特征参数,其中R_(σa)参数是改进得到的,同理类推得到R_(σp)。为了在保持基本粒子群(Particle Swarm Optimization,PSO)算法优点的基础上进一步提高算法的性能,增加了对粒子邻域信息的参考,再用MPSO算法优化BP网络的权值和阈值。从仿真实验可以看出,应用此方法,七种信号的识别率都可以达到86%以上,从而证明了该方法能有效地提高数字调制信号的识别性能。

改进ABC-BP模型在数字调制识别中的应用

为了提高数字调制信号在不同信噪比下的识别性能,将改进人工蜂群算法优化BP神经网络(MABC-BP)的模型应用于数字调制识别中;为进一步提高基本人工蜂群(Artificial Bee Colony,ABC)算法的寻优性能,对基本ABC算法中"跟随蜂"在"食物源"邻域的搜索行为进行改进。从仿真结果可以看出,当信噪比低至0 d B时,7种数字调制信号的调制识别率依然可以达到85%以上,从而证明了该方法能有效地提高数字调制信号的识别性能。

极大极小值问题修正的SQP算法

提出了一种修正的SQP算法求解带约束的极大极小问题,仅添加一个额外的变量,将带约束的极大极小问题转化为序列二次规划问题。证明了在合理的假设条件下,序列二次规划问题的极小值点就是原问题的极小值点。数值结果表明这种SQP算法是求解带约束有限极大极小问题的一种有效算法。