本文提出了一种基于进化神经网络的短波通信频率选择方法。为了利用短波通信系统中积累的探测数据来提高选频的效率,我们建立了一个神经网络频率质量预测模型。这个模型通过预测给定通信条件下短波通信系统预置频率表中所有候选频率的通信质量,从中选择估计通信质量最高的若干个频率作为探测频率,来间接地完成选频任务。通过分析影响短波电离层反射信道通信质量的因素,确定了神经网络的输入变量和输出变量;并通过反复试验,确定了神经网络的结构。由于BP算法容易陷入局部最优解,本文采用一种改进的粒子群算法来训练神经网络的参数,得到进化神经网络频率质量预测模型。为了提升神经网络训练算法的性能,本文提出了一种新的基于正交信息提取的粒子群算法。这种改进的粒子群算法在搜索的过程中定期地从种群中选择一个粒子与基因池进行正交试验,通过显著性检验将该粒子各个维度中蕴含的有利信息提取到基因池中。我们将这种操作称为正交信息提取算子。由于后续参加正交信息提取的粒子也可以从基因池中获得其他粒子的有利信息,所以算法在进行正交信息提取的同时也在进行正交信息反馈。正交信息提取算子为种群开辟了一条新的信息交互渠道,加强了粒子间的合作,提高了算法的搜索效率。此外,为了加强粒子群算法的局部搜索能力,我们将BP算法作为一种局部搜索算子嵌入到粒子群算法中,并使用基因池作为局部搜索算子的初始解以提升其收敛速度。最后,我们设计了单链路单向通信频率质量预测仿真实验、单链路双向通信频率质量预测仿真实验、多链路单向通信频率质量预测仿真实验和多链路双向通信频率质量预测仿真实验四个仿真实验来验证本文所提出的神经网络频率质量预测模型的准确性。实验结果表明,对于固定站之间的通信,该模型能够很好地根据两站之间的历史信噪比数据预测它们在未来某个时间使用某个频率进行通信时的通信质量;对于移动站之间的通信,该模型可以较好地利用附近站点的信噪比数据预测一条新链路的通信质量。所以,本文所建立的神经网络频率质量预测模型能够预测特定通信条件下给定频率的通信质量,从而可以完成短波通信中的选频任务。