论文部分内容阅读
信号调制方式的智能识别,是在接收方对信号的调制方式未知的条件下,对信号进行一系列处理,包括提取关键特征值,以及识别提取的特征值以完成对信号的分类。当下数字信号调制方式日益繁多,由于其重要的军事意义与民用价值,信号调制方式识别的研究一直在无线通信领域扮演着极其重要的角色,是该领域的热门研究课题。其应用也十分广泛,如电子对抗、识别干扰、频带监管等多个领域。信号调制方式的智能识别,也是智能信息处理和机器学习的一大应用场景。对调制识别算法的研究可以扩展到其它智能信息处理问题上,具有广阔的应用前景。本文基于上述背景,分析信号调制识别已有研究存在的一些问题,在高斯白噪声信道下,针对相位键控调制(MPSK)和正交振幅调制(MQAM)的识别问题,提出了基于高阶累积量与局部均值分解对调制信号进行特征提取,本文设计了基于布谷鸟改进灰狼算法优化支持向量机的调制信号分类器。论文研究主要工作如下:1.针对高阶累积量无法有效进行MQAM与MPSK类间分类,以及模态经验分解存在的端点效应严重、过包络等问题,引入了局部均值分解概念,提出一种基于高阶累积量与LMD近似熵的特征提取方法。通过计算接收信号的二、四、六阶累积量构建了两个特征值,并且对信号局部均值分解后的数列求取前两个近似熵作为特征值,构成特征模块。2.针对传统最小二乘支持向量机的超参数无法自适应变化、以及传统群体智能算法具有的高计算成本和鲁棒性不强等不足,提出一种基于灰狼算法优化的最小二乘支持向量机的调制识别算法。仿真表明,该算法实现了LSSVM超参数的自适应寻优,减少了收敛至最优的迭代次数,同时缩短了识别时间。并且SNR=-3dB时识别率为94.1%,而在SNR=6dB的情况下,识别率达到了99%以上。3.针对灰狼算法易于陷入局部最优解的缺陷,基于布谷鸟搜索算法寄养机制及莱维飞行的性质,本文提出了一种基于布谷鸟搜索算法改进的灰狼优化最小二乘支持向量机的分类算法,对GWO算法中更新后的狼群位置进行二次寻优,拓展最优解搜寻空间,减少算法迭代次数。仿真结果显示,在SNR=-3dB的信噪比下识别率最终收敛于96.7%,在SNR=0dB的情况下,识别率达到了99%以上。相比于原始GWO算法优化LSSVM分类器识别率有所提高。