基于遺傳算法的神經(jīng)網(wǎng)絡(luò)調(diào)制識別器.pdf

1、數(shù)字調(diào)制制式自動識別技術(shù)在軍事和民用領(lǐng)域都具有重要的應(yīng)用前景，同時(shí)也是軟件無線電接收機(jī)必備的功能之一。調(diào)制識別就是對未知信號提取適當(dāng)?shù)奶卣鲄?shù)，通過適當(dāng)?shù)姆诸愃惴ū鎰e出信號的調(diào)制方式。本文主要工作包括通信信號的特征提取、特征選擇和分類器設(shè)計(jì)這三個(gè)方面，提出了品質(zhì)優(yōu)良的特征，能夠得到較優(yōu)結(jié)果的特征選擇方法和神經(jīng)網(wǎng)絡(luò)的分類方法。
　　在特征提取部分研究了信號基于瞬時(shí)信息的特征提取方法、基于小波分解的細(xì)節(jié)特征提取方法、基于高階累積量的特

2、征提取方法和基于分形理論的特征提取方法，并分別采用這四種方法提取信號的特征參數(shù)，組成原始特征集。生成的特征集包含了各類信號模式的差別信息，但這些特征的類內(nèi)聚集度和類間分離度存在較大差異，需要進(jìn)一步選擇。
　　特征選擇部分采用了遺傳算法(GA，GeneticAlgorithm)，其不同于傳統(tǒng)的搜索和優(yōu)化方法，它不是對具體參數(shù)的搜索空間的一個(gè)解進(jìn)行評估，而是對整個(gè)搜索空間的大量可行解同時(shí)并行搜索，這樣就克服了傳統(tǒng)方法可能陷入收斂于局部

3、最優(yōu)的困境。本文深入研究了遺傳算法的原理、基本操作、運(yùn)算流程與主要特點(diǎn)，詳細(xì)進(jìn)行了信號特征選擇的遺傳算法設(shè)計(jì)，從特征提取部分得到的特征集中挑選出一些最有效的特征以降低特征空間維數(shù)。
　　本文采用離散小波神經(jīng)網(wǎng)絡(luò)(DWNN，DiscreteWaveletNeuralNetwork)分類器來驗(yàn)證遺傳算法應(yīng)用于數(shù)字調(diào)制識別的有效性。分類器設(shè)計(jì)部分重點(diǎn)研究DWNN的結(jié)構(gòu)原理和學(xué)習(xí)規(guī)則，詳細(xì)分析了DWNN算法。然后，構(gòu)建DWNN數(shù)字調(diào)制識別

4、分類器，并通過實(shí)驗(yàn)選定了分類器的參數(shù)。最后仿真實(shí)驗(yàn)通過與采用經(jīng)典五個(gè)特征的DWNN分類器進(jìn)行對比，分析了采用遺傳算法選出特征的DWNN數(shù)字調(diào)制識別分類器在各方面的性能，分析結(jié)果證明了采用遺傳算法選出特征的DWNN分類器的訓(xùn)練收斂速度及穩(wěn)定性、正確識別能力和抑制噪聲的能力均大大優(yōu)于采用經(jīng)典五個(gè)特征的DWNN分類器。并且采用經(jīng)典五個(gè)特征的DWNN分類器對于不同調(diào)制制式組合的識別能力有較大變化，而采用遺傳算法選出特征的DWNN分類器則不存在這