一种基于支持向量机的分层调制识别方法.pdfVIP

维普资讯 电子科技2008年第2l卷第7期 一 种基于支持向量机的分层调制识别方法 王贵兴，陈建春 (西安电子科技大学 电子工程学院，陕西 西安 710071) 摘 要 提出了一种新的在高斯白噪声条件下基于支持向量机的分层调制识别方法。其中选取信号的4阶、6 阶累积量作为分类特征向量，并利用支持向量机作为分类器对其进行分层调制分类。该方法相比其他非分级调制 识别方法具有较低的计算复杂度和较快的分类器训练速度。理论分析和仿真结果均证明了算法的正确性和有效性。 关键词 调制识别；支持向量机 ；高阶累积量；特征提取 中图分类号 TN911．7 文献标识码 A 文章编号 1007—7820(2008)07—017—04 A NovelHierarchicalDigitalModulationRecognitionM ethod UsingSuppo~ VectorMachines WangGuixing，ChenJianchun (SchoolofElectronicEngineering，XidianUniversity，Xi’an710071，China) Abstract Thispaperpresentsanovelmethodbasedonsupportvectorsmachinesforrecognitionofdigital modulationsignalsinthepresenceofadditivewhiteGaussiannoise．Th efourthandsixthordereumulantsofthe receivedsignalsareusedastheclassificationvectorsandsupportvectormachinesastheclassifiers．Thishierra— ehieal methodhas theadvantagesoverothernon—hierarchicalmethodsoflesscomplexcomputationandfaster classifiertrainingspeed．Th eefficiency6ftheproposedclassificationalgorithm isverifiedviatheoreticalanaly- sisandextensivesimulations． ’ Keywords modulationnadrecognition；supportvectormachines；hishordereumulants；featureextraction 调制识别是信号检测和信号解调之间的重要 一 般的神经网络方法容易出现过学习和欠学习以 步骤。随着通信和通信对抗技术的发展，通信信 及局部极小的问题，使其推广性受到限制。 号调制识别方法研究及应用 日益受到重视。目前 文中使用一种基于支持向量机的方法进行数 已有的信号调制识别方法主要分为两大类：基于 字调制方式识别。支持向量机方法是建立在统计 决策理论的方法和基于统计模式识别的方法。基 学习理论和结构风险最小化原理基础上的，根据 于统计模式识别的方法可以分成两个部分 ：特征 有限的样本在模型的复杂性和学习能力之间寻求 提取和分类器设计。传统分类器的识别能力有限， 最佳折衷，以获得最好的推广能力。同传统的神 自适应性较差，难以满足 日益复杂的信号识别要 经网络等方法相比，支持 向量机具有许多优点： 求。而新兴的神经网络分类器 由于具有强大的识 在小样本下同样具有 良好的性能，可避免收敛到 别能力，能够 自动适应环境变化，具有更好 的稳