论文题目：Improved Deep Neural Network for OFDM signal recognition using Hybrid Grey Wolf Optimization

期刊名称：IEEE Access（SCI检索，JCR：Q1）

原文DOI：https://doi.org/10.1109/ACCESS.2020.3010589

作者列表：

（1）张妍 中国石油大学（北京）信息科学与工程学院 电子信息工程系 研18

（2）刘得军 中国石油大学（北京） 信息科学与工程学院 电子信息工程系

（3）刘家琳 中国石油大学（北京）信息科学与工程学院 电子信息工程系 研18

（4）咸沂轩 中国石油大学（北京）信息科学与工程学院 电子信息工程系 研18

（5）王旭 中国石油大学（北京）信息科学与工程学院 电子信息工程系 研19

论文简介：

正交频分复用(OFDM)是一种高频谱利用率的多载波调制技术，具有很强的抗多径干扰和抗衰落能力。本文针对多径信道下复杂信号中OFDM信号的识别问题，提出了一种基于混合灰狼算法优化深度神经网络模型的的OFDM识别方法，采用该算法优化神经网络的初始权值和阈值，该混合算法将差分进化算法融入到灰狼优化算法中，解决了传统神经网络易陷入局部极小值和GWO算法后期易陷入停滞状态的缺点，该模型在识别性能和优化稳定性方面都具有很强的竞争力。

背景与动机

随着现代通信技术的迅速发展，以及用户对信息的传输速度以及可靠性要求的不断提高，信号的调制方式也在不断变更。由于通信业务种类和业务量的不断增加，充分利用带宽资源成为通信领域中一个亟需解决的问题。正交频分复用技术是一种具有高频带利用率的多载波调制技术，得到了广泛的应用。此外，OFDM 信号的显著优势在于抗多径效应，所以 OFDM 信号的应用环境多为多径衰落信道。因此，研究多径信道条件下 OFDM 信号的识别问题具有重要意义。

设计与实现

本文的目标为从多个单载波信号和多载波信号中识别OFDM信号。调制信号集由WPM、OFDM、PSK、FSK、QAM信号组成，其中WPM、OFDM为多载波信号，其余为单载波信号。在调制器中，首先将二进制数据流转换成长度为N的低速子数据流，然后经过各种调制方式得到相应的调制信号。为模拟实际的信道，我们将信号通过模拟的多径信道并叠加高斯白噪声得到更接近实际情况的调制信号。然后对接收到的信号进行特征提取，以减小运算量和降低数据的维度，之后根据DNN的输入规则来对特征值进行归一化，最后将数据送入优化后的DNN识别模型中进行分类输出，示意图如图1。其中，v20为混合阶矩, R为功率谱包络的均值和方差的比值，Nc为求得的子载波个数。

图1 基于深度神经网络的数字调制识别模型

在训练DNN之前，针对DNN存在的易陷入局部最优值问题，我们采用灰狼优化算法来优化DNN的初始权值和阈值，它具有较强的收敛性能、参数少、易实现等特点，而由于GWO算法后期易陷入停滞状态，因此将差分进化算法引入灰狼优化算法中，增强了种群的多样性，避免了算法后期易陷入局部最优的缺点，HGWO算法优化DNN的过程介绍如下：

图2 灰狼的等级制度

种群初始化：首先对算法参数进行初始化，在可行域内随机初始化得到父代种群，然后将父代种群代入DNN算法计算得到父代目标函数值，重复初始化操作得到变异种群和子代种群。

社会等级分层：计算种群每个个体的适应度并进行排序得到狼群中适应度最好的三匹灰狼依次标记为 α、β、γ 。

狩猎过程：灰狼具有识别潜在猎物（最优解）位置的能力，搜索过程主要靠 α、β、γ 灰狼的指引来完成，在每次迭代过程中，保留当前种群中的最好三只灰狼，然后根据它们的位置信息来更新其它个体的位置。

迭代结束后，将所有种群的位置向量带入DNN算法，得到父代目标值，然后确定我们是否得到最好的父代目标值。

DE算法通过个体变异获得变异种群， 然后在父代种群和变异种群之间进行交叉操作以增强种群的多样性进而得到新一代种群， 将新种群代入DNN算法，得到子代种群的目标值。将子代种群与父代种群进行比较选择，利用贪婪算法得到下一代个体。迭代完成后，使用回归算法对结果进行预测。

以上步骤结合了HGWO和DNN各自的优势，有效地解决了神经网络算法存在的问题。我们通过传统的DNN识别方法以及单一的智能算法优化的DNN模型来和HGWO-DNN方法相比较，如图3所示。

图3  本文方法与三种方法的对比方法对比

实验结果表明,在低信噪比的条件下,算法的识别精度相比于传统的DNN方法提高了9.95%，相比于其他两种单一的智能优化算法提高了近4.5%，因此证明了我们提出的方法在多径信道环境中具备有效性和可靠性，同时也为无线通信领域的OFDM信号调制识别提供了一种简单有效的新方法。

关于作者

张妍，硕士，中国石油大学（北京），信息科学与工程学院信息与通信工程专业。研究方向：通信原理、调制解调方法、数字调制识别、OFDM系统以及深度学习技术在通信系统中的应用。联系方式：Email: 13691137206@163.com

刘得军，教授，中国石油大学（北京），信息科学与工程学院电子信息工程系，博士生导师，中共党员。研究方向：电磁测量方法与数值模拟技术、电缆高速数据传输理论与技术、机电测量系统虚拟样机设计等。总计发表科学论文140余篇。联系方式：Email: liudj65@163.com