基于CCGA優(yōu)化的ANN信號(hào)調(diào)制模式識(shí)別.pdf

1、信號(hào)調(diào)制模式識(shí)別是非合作通信中重要的研究?jī)?nèi)容，是民用無(wú)線電管理部門(mén)進(jìn)行頻譜管理和軍用電子對(duì)抗的必備技術(shù)。軟件無(wú)線電和認(rèn)知無(wú)線電概念的提出和微電子技術(shù)的發(fā)展，使多體制通信系統(tǒng)能夠在同一接收機(jī)中實(shí)現(xiàn)成為可能，對(duì)信號(hào)的調(diào)制模式識(shí)別提出了新要求。本文是在前人研究的基礎(chǔ)上，將CCGA優(yōu)化的神經(jīng)網(wǎng)絡(luò)應(yīng)用到基于統(tǒng)計(jì)模式信號(hào)調(diào)制識(shí)別。
　　第一，闡述信號(hào)調(diào)制模式識(shí)別的兩種途徑，即決策理論和統(tǒng)計(jì)模式。瞬時(shí)參數(shù)的提取是統(tǒng)計(jì)模式識(shí)別的基礎(chǔ)，針對(duì)解析信號(hào)

2、法提取瞬時(shí)參數(shù)的不足與限制條件，給出希爾伯特-黃變換(Hilbert-Haung Transform，HHT)提取瞬時(shí)參數(shù)的方法。試驗(yàn)仿真結(jié)果表明，HHT方法能克服部分噪聲的影響。
　　第二，依據(jù)提取出的特征參數(shù)作為特征向量，研究人工神經(jīng)元網(wǎng)絡(luò)(Artificial Neural Network，ANN)單信號(hào)調(diào)制模式識(shí)別問(wèn)題。在簡(jiǎn)要介紹ANN基本原理和用于模式識(shí)別的方法與特點(diǎn)的基礎(chǔ)上，把BP神經(jīng)網(wǎng)絡(luò)引入到信號(hào)調(diào)制模式識(shí)別。針對(duì)B

3、P算法收斂慢，易陷入局部極小點(diǎn)等缺陷，引入遺傳算法(genetic algorithm，GA)優(yōu)化神經(jīng)網(wǎng)絡(luò)，提高全局搜索能力。試驗(yàn)仿真結(jié)果表明，本文運(yùn)用GA優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值，網(wǎng)絡(luò)分類時(shí)間比BP網(wǎng)絡(luò)縮短約60％，比L-M網(wǎng)絡(luò)縮短近40％，識(shí)別率也有提升。由于GA過(guò)分強(qiáng)調(diào)“生存競(jìng)爭(zhēng)”，忽略了個(gè)體之間的合作關(guān)系，文中接著研究CCGA優(yōu)化神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方案。針對(duì)CCGA的特點(diǎn)，文中詳細(xì)論述子種群分割、代表個(gè)體選擇、子個(gè)體編碼方案、子個(gè)體

4、交叉和變異的方法。試驗(yàn)仿真結(jié)果表明，相同條件下，CCGA比GA優(yōu)化的神經(jīng)網(wǎng)絡(luò)在識(shí)別率提高的同時(shí)，運(yùn)行時(shí)間縮短40％。
　　第三，針對(duì)多信號(hào)調(diào)制模式識(shí)別問(wèn)題，依據(jù)處理多信號(hào)的接收數(shù)據(jù)模型，對(duì)多信號(hào)進(jìn)行分離識(shí)別。因受噪聲和濾波器性能的影響，對(duì)分離后的單信號(hào)計(jì)算時(shí)域特征參數(shù)，用CCGA優(yōu)化后的神經(jīng)網(wǎng)絡(luò)判定其調(diào)制模式，識(shí)別率較低。采用AR模型提取信號(hào)的短時(shí)平均中心頻率和短時(shí)平均帶寬，并用直方圖壓縮其維數(shù)后作為待識(shí)別信號(hào)的特征向量，判定其調(diào)