摘要：基于PSO-lssvm识别网络通信负载状态识别时,粒子群算法(PSO)容易陷入局部最优解,文中采用全局搜索性能优的量子粒子群算法(qpso)与最小二乘支持向量机模型(lssvm)结合设计网络通信负载状态识别系统.该系统硬件主要包括WinPcap数据采集模块、SPI通信接口电路、负载识别模块,WinPcap数据采集模块捕获、转换网络通信负载状态原始数据包存储在电子标签中,SPI通信接口电路负责P89LPC932与MF RC522的数据传输,负载识别模块的MF RC522读取电子标签中的网络状态数据,基于qpso-lssvm识别网络通信的负载状态;软件部分采用qpso优化lssvm,将最优粒子作为lssvm的参数,构建最优lssvm识别网络通信负载状态.仿真结果显示:该系统识别网络通信负载状态稳定性强、效率高,为监测网络通信负载状态提供一种可靠方式.