基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)調(diào)制識(shí)別算法的研究.pdf

1、隨著通信技術(shù)的發(fā)展，無(wú)線通信環(huán)境日益復(fù)雜，通信信號(hào)在很寬的頻帶上采用了多種調(diào)制方式，同時(shí)這些信號(hào)的調(diào)制參數(shù)也不完全相同，如何有效的監(jiān)視和識(shí)別這些信號(hào)，在軍事和民用領(lǐng)域都是十分重要的研究課題。神經(jīng)網(wǎng)絡(luò)分類器具有很強(qiáng)的模式識(shí)別能力，能較好地處理復(fù)雜的非線性問(wèn)題，而且具有較好的穩(wěn)健性和潛在的容錯(cuò)性，在調(diào)制識(shí)別中被廣泛應(yīng)用。
　　 論文主要研究了基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)調(diào)制識(shí)別算法。以BP神經(jīng)網(wǎng)絡(luò)為研究的切入點(diǎn)，介紹了BP網(wǎng)絡(luò)結(jié)構(gòu)和標(biāo)準(zhǔn)BP算

2、法，研究了多種改進(jìn)BP算法，包括LM算法，Powell-Beale共軛梯度BP算法，尺度化共軛梯度BP算法，動(dòng)量BP算法以及彈性BP算法，并根據(jù)給定實(shí)際問(wèn)題的復(fù)雜性、訓(xùn)練樣本集的數(shù)量以及網(wǎng)絡(luò)的用途，給出了各種算法在應(yīng)用方面的一些結(jié)論，從輸入輸出的預(yù)處理、隱層數(shù)以及選擇訓(xùn)練集三方面研究了BP網(wǎng)絡(luò)的設(shè)計(jì)。
　　 根據(jù)現(xiàn)有應(yīng)用BP網(wǎng)絡(luò)進(jìn)行調(diào)制識(shí)別的方法，論文研究了基于改進(jìn)BP網(wǎng)絡(luò)的調(diào)制識(shí)別方法，提取了各個(gè)調(diào)制方式的特征參數(shù)，并研究了網(wǎng)

3、絡(luò)參數(shù)設(shè)置對(duì)網(wǎng)絡(luò)性能的影響，包括初始權(quán)值，訓(xùn)練步數(shù)及網(wǎng)絡(luò)學(xué)習(xí)速率。構(gòu)建了有效識(shí)別調(diào)制信號(hào)的彈性BP神經(jīng)網(wǎng)絡(luò)分類器(REBPNNC)，并比較了基于決策理論的逐級(jí)調(diào)制識(shí)別方法與基于改進(jìn)BP網(wǎng)絡(luò)的調(diào)制識(shí)別方法的性能差異，得出了基于彈性BP網(wǎng)絡(luò)的調(diào)制識(shí)別的正確率優(yōu)于基于決策理論的逐級(jí)判決調(diào)制識(shí)別正確率的結(jié)論。
　　 對(duì)應(yīng)基于有導(dǎo)師學(xué)習(xí)法的BP網(wǎng)絡(luò)，論文又研究了一種基于無(wú)導(dǎo)師學(xué)習(xí)法的SOM神經(jīng)網(wǎng)絡(luò)應(yīng)用于調(diào)制識(shí)別，介紹了它的基本結(jié)構(gòu)及學(xué)習(xí)算

4、法，并基于原學(xué)習(xí)算法，從如何選擇網(wǎng)絡(luò)的鄰域函數(shù)及學(xué)習(xí)速率的角度出發(fā)，通過(guò)選用最優(yōu)的網(wǎng)絡(luò)參數(shù)，給出了SOM的改進(jìn)學(xué)習(xí)算法。仿真結(jié)果表明：與傳統(tǒng)SOM相比較，改進(jìn)SOM對(duì)不同調(diào)制信號(hào)具有更好的調(diào)制識(shí)別性能。
　　 最后，論文提出了一種協(xié)作調(diào)制識(shí)別(CMR)方法應(yīng)用于認(rèn)知無(wú)線電(CR)系統(tǒng)，用于識(shí)別主用戶的調(diào)制方式。著重探討低信噪比情況下的調(diào)制識(shí)別的改進(jìn)方法，通過(guò)用戶間的協(xié)作，當(dāng)其中任意一個(gè)CR用戶的信號(hào)較弱時(shí)，CMR方式明顯改善了調(diào)