基于人工蜂群算法的通信信号调制识别研究

发布时间：2017-08-17 20:10

  本文关键词：基于人工蜂群算法的通信信号调制识别研究

  更多相关文章： 调制识别 高阶累积量 希尔伯特黄变换 人工蜂群算法 支持向量机

【摘要】：通信信号的调制识别技术广泛应用于民用和军事领域。本文基于对数字信号调制方式的分析和研究,提出基于人工蜂群(Artificial Bee Colony,ABC)算法的调制识别方法;针对传统ABC算法的不足提出了改进和优化。本文具体作了以下研究:(1)基于高斯噪声二阶以上累积量恒等于零的特性,构建三个归一化特征参数,从而有效避免噪声对调制识别准确率的影响。因为非协作通信中调制信号为非线性、非平稳随机过程,所以提出适用于这类信号的希尔伯特黄变换(Hilbert Huang Transform,HHT)算法,并针对传统HHT算法在特征提取中存在的不足提出改进方案。最后,基于高阶累积量和改进HHT算法构建联合特征模块。(2)提出一种基于ABC算法优化支持向量机(Support Vector Machine,SVM)分类器的调制识别方法。本文将SVM分类器的分类准确率作为ABC算法的适应度值,采用ABC算法对SVM的核函数参数和惩罚因子进行优化。仿真结果表明,该方法在信噪比为-3dB时,识别率为89.2%;当信噪比大于4dB时,识别率超过99%。(3)针对传统ABC算法初始种群在解空间分布不均匀、收敛速度慢等不足,本文提出一种基于二维均匀设计和欧氏距离的改进蜂群算法。改进蜂群算法在构造初始食物源时采用二维均匀设计使食物源在解空间均匀分布,提高了算法的全局搜索能力;在构造新食物源时采用欧氏距离法提高了算法的寻优效率,加快了算法的收敛。仿真结果表明,改进蜂群算法具有更快的收敛速度,而将改进蜂群算法优化SVM的分类器应用于调制识别中时,能获得更好的识别率。在-3dB信噪比条件下,改进蜂群算法优化SVM分类器比传统ABC算法优化SVM分类器识别率提高了3.7%。
【关键词】：调制识别 高阶累积量 希尔伯特黄变换 人工蜂群算法 支持向量机
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TN911.3
【目录】：

• 摘要4-5
• Abstract5-8
• 专用术语注释表8-9
• 第一章 绪论9-15
• 1.1 研究背景与意义9
• 1.2 国内外的研究现状及分析9-12
• 1.2.1 信号特征提取方法的研究现状10-11
• 1.2.2 调制信号分类算法的研究现状11-12
• 1.3 本文的研究工作12-13
• 1.4 本文主要研究内容和结构13-15
• 第二章 通信信号调制理论与调制识别算法分析15-27
• 2.1 信号的基本调制方式15-24
• 2.1.1 模拟信号的基本调制方式15-20
• 2.1.2 数字信号的基本调制方式20-24
• 2.2 调制识别算法分析24-26
• 2.3 本章小结26-27
• 第三章 调制信号的特征提取27-43
• 3.1 基于信号高阶累积量的特征提取27-32
• 3.1.1 高阶累积量27-30
• 3.1.2 特征提取30-32
• 3.2 基于改进HHT算法的特征提取32-41
• 3.2.1 HHT算法分析32-36
• 3.2.2 针对HHT算法不足进行改进36-40
• 3.2.3 特征提取40-41
• 3.3 构建联合特征值模块41-42
• 3.4 本章小结42-43
• 第四章 基于人工蜂群算法优化支持向量机的调制识别研究43-56
• 4.1 相关知识介绍43-48
• 4.1.1 人工蜂群算法43-46
• 4.1.2 支持向量机46-48
• 4.2 预分类48-50
• 4.3 人工蜂群优化支持向量机算法50-51
• 4.3.1 算法分析50-51
• 4.3.2 算法实现51
• 4.4 基于人工蜂群算法优化支持向量机的分类器设计51-52
• 4.5 仿真实验及结果分析52-55
• 4.6 本章小结55-56
• 第五章 改进蜂群算法优化SVM56-64
• 5.1 基于二维均匀设计的种群初始化策略56-57
• 5.2 基于欧氏距离的食物源更新策略57-59
• 5.3 基于改进蜂群算法优化SVM的分类器实现59-60
• 5.4 仿真实验及结果分析60-62
• 5.4.1 进化曲线对比60-61
• 5.4.2 识别率对比61-62
• 5.5 本章小结62-64
• 第六章 总结与展望64-66
• 6.1 总结64
• 6.2 展望64-66
• 参考文献66-69
• 附录1 攻读硕士学位期间撰写的论文69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 冯祥;李建东;;调制识别算法及性能分析[J];电波科学学报;2005年06期

2 廖艳苹;谢红;杨莘元;;辅助式小波神经网络的调制识别技术[J];应用科技;2006年04期

3 李俊俊;陆明泉;冯振明;;基于支持向量机的分级调制识别方法[J];清华大学学报(自然科学版);2006年04期

4 毕于威;杨莘元;;支持向量机在数字信号调制识别系统中的应用[J];应用科技;2006年06期

5 吴丹;顾学迈;;一种新的基于支持向量机的自动调制识别方案[J];南京理工大学学报(自然科学版);2006年05期

6 王彬;葛临东;刘媛涛;;一种用于多径信道的调制识别算法仿真研究[J];系统仿真学报;2007年24期

7 王贵兴;陈建春;;一种基于支持向量机的分层调制识别方法[J];电子科技;2008年07期

8 李丽月;唐向宏;赵玲;申传朋;;基于高斯和功率谱特性的小波调制识别研究[J];杭州电子科技大学学报;2008年05期

9 游伟;周先敏;;模拟调制信号的自动调制识别[J];信号处理;2009年01期

10 方奇;张炜;;衰落环境中数字调制识别仿真研究[J];信息化研究;2011年02期

中国重要会议论文全文数据库 前10条

1 龚晓洁;;基于谱相关特征的调制识别[A];2009年全国无线电应用与管理学术会议论文集[C];2009年

2 李丽月;唐向宏;赵玲;申传朋;;基于高斯和功率谱特性的小波调制识别研究[A];浙江省电子学会2008年学术年会论文集[C];2008年

3 崔灿;刘作学;孔德强;崔凯;;调制识别算法研究[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

4 黄付庆;程剑俐;徐以涛;;通信信号调制识别的研究[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

5 仓艳;袁嗣杰;;通信信号调制识别技术综述[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

6 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

7 仓艳;袁嗣杰;;通信信号调制识别中的信噪比估计[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

8 裴承全;何继爱;;稳定分布下基于传感器节点分布式协作的调制识别研究[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

9 李伟斌;陈建华;;无线信号的自适应调制识别综述[A];江苏省通信学会2004年学术年会论文集[C];2004年

10 杨宇;邓晓;;基于小波分析的RFID信号调制识别[A];第二十届电工理论学术年会论文集[C];2008年

中国博士学位论文全文数据库 前10条

1 杨发权;无线通信信号调制识别关键技术与理论研究[D];西安电子科技大学;2015年

2 贺涛;数字通信信号调制识别若干新问题研究[D];电子科技大学;2008年

3 靳晓艳;基于先进信号处理方法的通信信号调制识别技术研究[D];西安电子科技大学;2014年

4 陆明泉;多信号的调制识别技术研究[D];电子科技大学;2008年

5 胡国兵;雷达信号调制识别相关技术研究[D];南京航空航天大学;2011年

6 徐毅琼;数字通信信号自动调制识别技术研究[D];解放军信息工程大学;2011年

7 王彬;无线衰落信道中的调制识别、信道盲辨识和盲均衡技术研究[D];解放军信息工程大学;2007年

8 刘澍;基于改进蚁群算法与神经网络的调制识别研究[D];华中科技大学;2009年

9 刘明骞;非合作通信中信号检测及调制识别的关键技术研究[D];西安电子科技大学;2013年

10 杨伟超;Alpha稳定分布噪声下通信信号调制识别研究[D];哈尔滨工程大学;2012年

中国硕士学位论文全文数据库 前10条

1 张红超;非合作接收条件下调制识别与参数估计技术研究[D];解放军信息工程大学;2015年

2 童年;基于压缩采样值的通信信号调制识别技术研究[D];解放军信息工程大学;2015年

3 汪伟;多节点协同信号调制识别与参数估计关键技术研究与实现[D];解放军信息工程大学;2014年

4 辛艳双;数字通信信号调制识别的研究[D];南京邮电大学;2014年

5 杜继萍;复杂通信信号分析与识别[D];电子科技大学;2016年

6 向伟;调制识别的前端处理—预选与盲均衡技术研究[D];电子科技大学;2016年

7 吴少华;基于人工蜂群算法的通信信号调制识别研究[D];南京邮电大学;2016年

8 郭龙;无线通信信号的调制识别研究[D];大连理工大学;2010年

9 李雪;基于固有时间尺度分解的数字调制识别[D];西安电子科技大学;2010年

10 王素霞;无线通信系统中信号调制识别技术的研究[D];电子科技大学;2011年

，

本文编号：690860