施妮沙

（貴陽學(xué)院數(shù)學(xué)與信息技術(shù)學(xué)院，貴陽 550001）

0 引言

隨著客戶的需求不斷提高，通信信號的調(diào)制方法也發(fā)生了改變，由傳統(tǒng)的模擬轉(zhuǎn)變?yōu)榱藬?shù)字化，復(fù)雜程度也更大[1]。本文針對在有限的頻帶中，如何識別存儲的大量通信數(shù)字信號識別進(jìn)行研究，提出一種基于改進(jìn)蟻群算法的通信網(wǎng)數(shù)字信號調(diào)制識別方法。

1 基于改進(jìn)蟻群算法的通信網(wǎng)數(shù)字信號調(diào)制識別方法設(shè)計

1.1 基于改進(jìn)蟻群算法的識別步驟設(shè)計

改進(jìn)蟻群算法對通信網(wǎng)數(shù)字信號調(diào)制進(jìn)行識別整體可大致分為4步，分別為：

步驟1：初始化。首先假設(shè)螞蟻的個數(shù)為x 只。并給出x 個網(wǎng)絡(luò)參數(shù)的優(yōu)化范圍，保證矩陣中的每一列都對應(yīng)一個待定的參數(shù)范圍內(nèi)的端點(diǎn)值，隨機(jī)選取一個較小的正數(shù)對信息量中的每一個數(shù)字信號進(jìn)行初始化，并將所有的螞蟻放置在蟻巢中，并對信號進(jìn)行調(diào)制，提取識別特征參數(shù)；

步驟2：針對待求解問題搜索對應(yīng)螞蟻。每只螞蟻在矩陣集合中開始外出覓食，確定數(shù)字信號識別臨界點(diǎn)。

步驟3：更新迭代時間和計數(shù)器次數(shù)。

步驟4：重復(fù)上述步驟，直至搜索結(jié)果達(dá)到了循環(huán)迭代搜索的終止條件，若迭代次數(shù)和搜索路徑均為最大值時，則輸出最優(yōu)解，終止改進(jìn)蟻群算法的識別。

1.2 調(diào)制信號及特征識別參數(shù)提取

通信網(wǎng)中接收到的數(shù)字信號通常是被噪聲污染的，因此在對其進(jìn)行識別識別時首先要對信號進(jìn)行調(diào)制，調(diào)制信號可用公式表示：

式中，k 的取值范圍為0，1，2，…，n，其中n 表示為通信網(wǎng)中信號源發(fā)出的信號序列長度；S（t）表示為發(fā)送信號；N（t）表示為在通信網(wǎng)的傳輸頻帶上均值為0的噪聲；ak表示為由信號源端發(fā)出的信號序列；F 表示為數(shù)字信號傳輸?shù)哪芰?；T 表示為信號的寬度；f 表示為發(fā)送信號時信號源端的載波頻率。

通過上述方式調(diào)制的信號在通信網(wǎng)中接收段會被接受采集，經(jīng)過預(yù)處理后，在已經(jīng)到達(dá)指定載波頻率、相位及定時同步的條件下，經(jīng)過變頻獲取到復(fù)基帶信號[2]。再根據(jù)通信網(wǎng)中對于數(shù)字信號采集的調(diào)制原理，對各類數(shù)字調(diào)制信號發(fā)射序列。

σmax表示為零中心歸一化的瞬間，數(shù)字信號幅度之譜的密度最大值。在對數(shù)字信號進(jìn)行歸一化的目的是為了去除信號中由于信道傳輸造成的增益影響。利用σmax進(jìn)行判斷主要是用于區(qū)分?jǐn)?shù)字信號調(diào)制的調(diào)制方式是使用多進(jìn)制數(shù)字頻率調(diào)制（MFSK）還是多進(jìn)制數(shù)字相位調(diào)制（MPSK）。γap表示為零中心分弱信號段內(nèi)瞬間相位非線性分量的標(biāo)準(zhǔn)差[3]。利用γap判斷調(diào)制信號是利用正交相移鍵控（QPSK）的方式還是利用BPSK 或MASK。γdp表示為零中心分弱信號段內(nèi)瞬間相位非線性分量絕對值的標(biāo)準(zhǔn)差，利用γdp判斷是MPSK 調(diào)制方式進(jìn)行信號調(diào)制，還是使用二進(jìn)制相移鍵控（BPSK）的方式對信號進(jìn)行調(diào)制。判定后根據(jù)幾種調(diào)制方法對應(yīng)的特征參數(shù)進(jìn)行提取，即可完成對數(shù)字信號調(diào)制的特征參數(shù)提取。

1.3 數(shù)字信號識別臨界點(diǎn)確定

利用改進(jìn)蟻群算法確定數(shù)字信號提取的合適范圍，利用該算法規(guī)定收斂時間達(dá)到規(guī)定范圍，即首先讓改進(jìn)蟻群算法在最佳融合時間點(diǎn)上的，停止識別。在改進(jìn)蟻群算法在進(jìn)行識別的過程中，統(tǒng)計識別中每一個數(shù)字信號的調(diào)制方式，并根據(jù)獲取到的調(diào)制方法統(tǒng)計分布情況設(shè)置特征參數(shù)。

在一定范圍內(nèi)，若發(fā)現(xiàn)連續(xù)的進(jìn)化率均小于規(guī)定的最小值，則表示其效率降低，這時將其轉(zhuǎn)入改進(jìn)蟻群算法的迭代運(yùn)行中，完成對最優(yōu)解的求解。

2 實驗

利用本文設(shè)計的識別方法與傳統(tǒng)的識別方法，分別對著500個信號進(jìn)行識別，并比較兩種識別方法的誤差率。圖1為兩種方法識別結(jié)果的誤差率曲線圖。

圖1 兩種方法識別結(jié)果誤差率曲線圖

由圖1中的曲線對比可以得出，本文方法的識別結(jié)果誤差率明顯低于傳統(tǒng)方法的識別結(jié)果誤差率，且隨著通信網(wǎng)中信號個數(shù)的增加，傳統(tǒng)方法誤差率出現(xiàn)了明顯的增高趨勢，但本文方法的誤差率不會受到信號個數(shù)增加的影響。因此，本文提出的識別方法具有更高的準(zhǔn)確性和穩(wěn)定性，更符合實際的數(shù)字信號識別需要。

3 結(jié)束語

本文針對通信網(wǎng)中的數(shù)字信號識別問題，提出了針對性的識別方法，但仍有很多問題有待解決，例如對于時變信道中的信號分類識別問題、非常規(guī)的調(diào)制方式識別問題等，在日后的研究中還將對這些問題進(jìn)行更加深入的研究。