粒子群优化BP神经网络在信噪比预测中的应用研究

翟龙飞 杨冲 贾波 陈迎春

【摘要】 粒子群算法是一种仿照鸟类觅食的全局搜索算法。本文基于短波信号接收信噪比预测数据，利用粒子群算法对BP网络参数进行算法改进，最后通过仿真测试，比较出BP网络和PSO+BP网络的优缺点。

【关键词】 粒子群算法 BP神经网络 信噪比预测

粒子群算法是由现实中的鸟类觅食抽象过来的，将每只鸟抽象为没有体积与质量的粒子即寻优问题的每个解，然后将粒子分布于整个N维空间，用矢量来表示空间中的粒子位置与飞行速度。

一、粒子群算法操作

粒子群算法的操作如下：①产生群体、②计算适应度③速度和位置更新。

二、基于粒子群算法的优化分析

2.1粒子群算法优化网络参数的具体步骤

2.2实例仿真

在MATLAB环境下编程实现粒子群算法对BP网络参数的优化，可得粒子群算法的适应度函数变化曲线和PSO-BP网络对短波信号接收信噪比预测值，依次如下图2、3所示。

三、 PSO+BP神经网络

3.1 PSO+BP算法的基本步骤

①调用短波测量管理调度系统数据库选取数据集。②对选定的数据集进行归一化处理和降维处理。③在初始化状态下建立BP神经网络。④利用PSO对BP网络参数进行算法改进，得到改进后BP网络的权值和阈值。⑤提供短波信号接收信噪比预测数据训练PSO+BP神经网络，仿真测试得出短波信号接收信噪比预测值。

3.2BP网络与PSO+BP网络性能分析比较

由上表数据不难发现，相较纯BP网络，基于粒子群算法的优化后的PSO+BP网络，其性能参数MSE趋于更小，同时网络训练更加稳定。虽然训练过程中，粒子群操作会增加一定的耗时，但时间增加不多，综合考虑，选取PSO+BP网络比BP网络更适于系统稳定误差小的要求。