基于人工蜂群算法的通信信号调制识别研究

基于人工蜂群算法的通信信号调制识别研究

ID:35180371

大小:4.10 MB

页数:70页

时间:2019-03-20

基于人工蜂群算法的通信信号调制识别研究_第1页
基于人工蜂群算法的通信信号调制识别研究_第2页
基于人工蜂群算法的通信信号调制识别研究_第3页
基于人工蜂群算法的通信信号调制识别研究_第4页
基于人工蜂群算法的通信信号调制识别研究_第5页
资源描述:

《基于人工蜂群算法的通信信号调制识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、:这带f巧N吧1rr‘.文.為B-妃.;%:^娜m:MI;品皆,安:夏i;譽莲|冷二J方/蓮、h—甲>/八..‘聲:卓J參窜薛雀..:,:,..,苗i义f义i讀巧緣隹化/,苗,巧'-禪;包‘,‘.髮:..B,#:.?.:半;f'r岸‘萊护./違'、;%棄卽x晕|;.,'/^癸壽>'辛'I-:巧;i結扣;I瓣规禮信則^^心.,,.义.‘I’刮.、'./..£i持;.4K兴n.r,皆,黯'纖矜在與方与?V1.茂■:.‘e而^i学:v、讀说..,姓吴^;;,导单鱗4换学科专恥骑嫌充貧感?理;研究方:

2、>f位±?串山!二篇輔朗论!交/-'f:..,.,:,&.d4詞為‘蒙聲I^'宴!t舌:r龜蘇,i::u\w?;南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得的研究成果。,>尽我所知除了文中特别加(^1标注和致谢的地方外,论文中不包含其他人己经发表或撰写过的研巧成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。一与我同工作的同志对本研究所做的任何已论文。贡献均在中作了确的说并表谢意明明示了一人位论文及及不,愿意

3、。本学涉相关资料若有实承担切相关的法律责任一以:、1^研生签日:如巧名期赛大位论南京邮电学学文使用授权声明可(送论和本人授权南京邮电大学保留并向国家有关部口或机构交文的复印件电子文档;允许论文被查阅和借阅;可^将全或部分内容编入有数库检以学位论文的部关据进行索;可レ、描:z、采用影印缩印或扫等复制手段保存汇编本学位论文。本文电子文挡的内容和纸质一。论论()生。文的内容相致文的公布包括刊登授权南京邮电大学研究院办理。涉密论在密后适学位文解用本授权书蘇;研巧生签名签:!日;导师名期^^叫TheResearchonRecognitionofC

4、ommunicationModulationSignalbasedonArtificialBeeColonyAlgorithmThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByWuShaohuaSupervisor:Prof.ShanJianfengApril2016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(ArtificialBeeColony,ABC)算法的调制

5、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(HilbertHuangTransform,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(SupportVectorMachine,SVM)分类器的调制识别方法。本文将SVM分类器的

6、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

7、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IAbstractCommunicationsignalsmodulationrecognitiontechnologyiswidelyusedinmilitaryandcivilfields.Inthispaper,accordingtotheresearchandanalysisofthedigitalsignal

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。