基于人工蜂群算法的通信信號(hào)調(diào)制識(shí)別研究.pdf

1、通信信號(hào)的調(diào)制識(shí)別技術(shù)廣泛應(yīng)用于民用和軍事領(lǐng)域。本文基于對數(shù)字信號(hào)調(diào)制方式的分析和研究，提出基于人工蜂群（Artificial Bee Colony，ABC）算法的調(diào)制識(shí)別方法；針對傳統(tǒng)ABC算法的不足提出了改進(jìn)和優(yōu)化。本文具體作了以下研究：
　?。?）基于高斯噪聲二階以上累積量恒等于零的特性，構(gòu)建三個(gè)歸一化特征參數(shù)，從而有效避免噪聲對調(diào)制識(shí)別準(zhǔn)確率的影響。因?yàn)榉菂f(xié)作通信中調(diào)制信號(hào)為非線性、非平穩(wěn)隨機(jī)過程，所以提出適用于這類信號(hào)的

2、希爾伯特黃變換（Hilbert Huang Transform，HHT）算法，并針對傳統(tǒng)HHT算法在特征提取中存在的不足提出改進(jìn)方案。最后，基于高階累積量和改進(jìn)HHT算法構(gòu)建聯(lián)合特征模塊。
　　（2）提出一種基于ABC算法優(yōu)化支持向量機(jī)（Support Vector Machine，SVM）分類器的調(diào)制識(shí)別方法。本文將SVM分類器的分類準(zhǔn)確率作為ABC算法的適應(yīng)度值，采用ABC算法對SVM的核函數(shù)參數(shù)和懲罰因子進(jìn)行優(yōu)化。仿真結(jié)果表

3、明，該方法在信噪比為-3dB時(shí)，識(shí)別率為89.2％；當(dāng)信噪比大于4dB時(shí)，識(shí)別率超過99%。
　　（3）針對傳統(tǒng)ABC算法初始種群在解空間分布不均勻、收斂速度慢等不足，本文提出一種基于二維均勻設(shè)計(jì)和歐氏距離的改進(jìn)蜂群算法。改進(jìn)蜂群算法在構(gòu)造初始食物源時(shí)采用二維均勻設(shè)計(jì)使食物源在解空間均勻分布，提高了算法的全局搜索能力；在構(gòu)造新食物源時(shí)采用歐氏距離法提高了算法的尋優(yōu)效率，加快了算法的收斂。仿真結(jié)果表明，改進(jìn)蜂群算法具有更快的收斂速度