基于CCGA優化的ANN信號調制模式識別.pdf

1、信號調制模式識別是非合作通信中重要的研究內容，是民用無線電管理部門進行頻譜管理和軍用電子對抗的必備技術。軟件無線電和認知無線電概念的提出和微電子技術的發展，使多體制通信系統能夠在同一接收機中實現成為可能，對信號的調制模式識別提出了新要求。本文是在前人研究的基礎上，將CCGA優化的神經網絡應用到基于統計模式信號調制識別。
　　第一，闡述信號調制模式識別的兩種途徑，即決策理論和統計模式。瞬時參數的提取是統計模式識別的基礎，針對解析信號

2、法提取瞬時參數的不足與限制條件，給出希爾伯特-黃變換(Hilbert-Haung Transform，HHT)提取瞬時參數的方法。試驗仿真結果表明，HHT方法能克服部分噪聲的影響。
　　第二，依據提取出的特征參數作為特征向量，研究人工神經元網絡(Artificial Neural Network，ANN)單信號調制模式識別問題。在簡要介紹ANN基本原理和用于模式識別的方法與特點的基礎上，把BP神經網絡引入到信號調制模式識別。針對B

3、P算法收斂慢，易陷入局部極小點等缺陷，引入遺傳算法(genetic algorithm，GA)優化神經網絡，提高全局搜索能力。試驗仿真結果表明，本文運用GA優化神經網絡的結構和權值，網絡分類時間比BP網絡縮短約60％，比L-M網絡縮短近40％，識別率也有提升。由于GA過分強調“生存競爭”，忽略了個體之間的合作關系，文中接著研究CCGA優化神經網絡的實現方案。針對CCGA的特點，文中詳細論述子種群分割、代表個體選擇、子個體編碼方案、子個體

4、交叉和變異的方法。試驗仿真結果表明，相同條件下，CCGA比GA優化的神經網絡在識別率提高的同時，運行時間縮短40％。
　　第三，針對多信號調制模式識別問題，依據處理多信號的接收數據模型，對多信號進行分離識別。因受噪聲和濾波器性能的影響，對分離后的單信號計算時域特征參數，用CCGA優化后的神經網絡判定其調制模式，識別率較低。采用AR模型提取信號的短時平均中心頻率和短時平均帶寬，并用直方圖壓縮其維數后作為待識別信號的特征向量，判定其調