基于支持向量机的数字调制信号识别.pdfVIP

计 算 机 与 现 代 化 2011年第 3朗 JISUANJIYU XIANDAIHUA 第 187期 文章编号：1006—2475(2011)03-0001-04 基于支持向量机的数字调制信号识别 李艳玲 ，李兵兵 ，刘 明骞 ，尹昌义 (1．河南农业大学信息与管理科学学院，河南 郑 1450002；2．西安电子科技大学 ISN国家重点实验室，陕西 西安 710071) 摘要 ：针对神经网络分类器容 易陷入局部最小值和不适用于小样本的缺点，提 出一种应用零 中心瞬时特征提取法提取分 类特征，采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比，该方法具有更好的泛化推 广能力。实验仿真结果表明，该调制识别方法在小样本下具有较高的识别率。 关键词：调制识别；支持向量机；特征提取 中图分类号：TN914 文献标识码 ：A doi：10．3969／j．issn．1006—2475．2011．03．001 DigitalM odulationSignalRecognitionBasedonSVM LIYan—ling’，LIBing—bing ．LIU Ming．qian ，YINChang—yi (1．CollegeofInformationandManagementScience，HenanAgriculturalUniversity，Zhengzhou450002，China； 2．NationalKeyLaboratoryofISN，XidianUniversity，Xi’an710071，China) Abstract：AimingatthetwoshortcomingsofeasytOfallintolocalrainimum andinappropriateforsmallsampleofneuralnetwork classifier，anewmethodofmodulationrecognitionofrdigital singalsisproposedusingzero—centerinstantaneousfeaturesextraction tOextractcharacteristicsandbasedonsupportvectormachine(SVM)．Compared thtraditionalalgorithmsbasedonneuralnet— works，thisalgorithm hasbettergeneralizationability．Computersiraulationresultsindicatethatthemethodhasthehishrecogtfi— tionratewith lesssamples． Keywords：modulationrecognition；support vectormachine；featureextraction 法相 比，支持向量机不仅具有更强的泛化推广能力 ， 0 引 言 而且对于解决小样本 、过学习和局部极小点问题具有 随着现代通信技术的发展，无线通信环境13益复 很大的优越性。 杂，数字信号在频带上采用各种调制方式。如何有效 识别这些信号，在军用和民用领域都是十分重要的研 1 数字调制信号的特征提取 究课题。目前有许多学者 已经致力于调制识别的研 如果直接对接收到的信号样本进行分类，所需的 究 。本文提出了一种基于支持 向量机的调制识别 运算量是十分庞大的，因此需从中提取表征显著类别 方法，采用支持向量机做分类器，而未采用大多数文 差异的特征。首先