论文部分内容阅读
数字调制制式自动识别技术在军事和民用领域都具有重要的应用前景,同时也是软件无线电接收机必备的功能之一。调制识别就是对未知信号提取适当的特征参数,通过适当的分类算法辨别出信号的调制方式。本文主要工作包括通信信号的特征提取、特征选择和分类器设计这三个方面,提出了品质优良的特征,能够得到较优结果的特征选择方法和神经网络的分类方法。在特征提取部分研究了信号基于瞬时信息的特征提取方法、基于小波分解的细节特征提取方法、基于高阶累积量的特征提取方法和基于分形理论的特征提取方法,并分别采用这四种方法提取信号的特征参数,组成原始特征集。生成的特征集包含了各类信号模式的差别信息,但这些特征的类内聚集度和类间分离度存在较大差异,需要进一步选择。特征选择部分采用了遗传算法(GA,Genetic Algorithm),其不同于传统的搜索和优化方法,它不是对具体参数的搜索空间的一个解进行评估,而是对整个搜索空间的大量可行解同时并行搜索,这样就克服了传统方法可能陷入收敛于局部最优的困境。本文深入研究了遗传算法的原理、基本操作、运算流程与主要特点,详细进行了信号特征选择的遗传算法设计,从特征提取部分得到的特征集中挑选出一些最有效的特征以降低特征空间维数。本文采用离散小波神经网络(DWNN,Discrete Wavelet Neural Network)分类器来验证遗传算法应用于数字调制识别的有效性。分类器设计部分重点研究DWNN的结构原理和学习规则,详细分析了DWNN算法。然后,构建DWNN数字调制识别分类器,并通过实验选定了分类器的参数。最后仿真实验通过与采用经典五个特征的DWNN分类器进行对比,分析了采用遗传算法选出特征的DWNN数字调制识别分类器在各方面的性能,分析结果证明了采用遗传算法选出特征的DWNN分类器的训练收敛速度及稳定性、正确识别能力和抑制噪声的能力均大大优于采用经典五个特征的DWNN分类器。并且采用经典五个特征的DWNN分类器对于不同调制制式组合的识别能力有较大变化,而采用遗传算法选出特征的DWNN分类器则不存在这个问题。通过两种方法仿真结果的比较说明遗传算法应用于数字调制识别领域的优越性。