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

1、數(shù)字調(diào)制制式自動識別技術在軍事和民用領域都具有重要的應用前景，同時也是軟件無線電接收機必備的功能之一。調(diào)制識別就是對未知信號提取適當?shù)奶卣鲄?shù)，通過適當?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計這三個方面，提出了品質(zhì)優(yōu)良的特征，能夠得到較優(yōu)結果的特征選擇方法和神經(jīng)網(wǎng)絡的分類方法。
　　在特征提取部分研究了信號基于瞬時信息的特征提取方法、基于小波分解的細節(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)的搜索空間的一個解進行評估，而是對整個搜索空間的大量可行解同時并行搜索，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、運算流程與主要特點，詳細進行了信號特征選擇的遺傳算法設計，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(DWNN，DiscreteWaveletNeuralNetwork)分類器來驗證遺傳算法應用于數(shù)字調(diào)制識別的有效性。分類器設計部分重點研究DWNN的結構原理和學習規(guī)則，詳細分析了DWNN算法。然后，構建DWNN數(shù)字調(diào)制識別

4、分類器，并通過實驗選定了分類器的參數(shù)。最后仿真實驗通過與采用經(jīng)典五個特征的DWNN分類器進行對比，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，分析結果證明了采用遺傳算法選出特征的DWNN分類器的訓練收斂速度及穩(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)典五個特征的DWNN分類器。并且采用經(jīng)典五個特征的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