基于SVM的多类模拟调制方式识别算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SVM的多类模拟调制方式识别算法

孙建成, 张太镒, 刘海员

文章导航 > 电子科技大学学报 > 2006 > 35(2): 149-152

孙建成, 张太镒, 刘海员. 基于SVM的多类模拟调制方式识别算法[J]. 电子科技大学学报, 2006, 35(2): 149-152.

引用本文:

孙建成, 张太镒, 刘海员. 基于SVM的多类模拟调制方式识别算法[J]. 电子科技大学学报, 2006, 35(2): 149-152.

SUN Jian-cheng, ZHANG Tai-yi, LIU Hai-yuan. Multi-Class Analogue Modulation Recognition Algorithms Based on Support Vector Machines[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 149-152.

Citation:

SUN Jian-cheng, ZHANG Tai-yi, LIU Hai-yuan. Multi-Class Analogue Modulation Recognition Algorithms Based on Support Vector Machines[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 149-152.

基于SVM的多类模拟调制方式识别算法

1.
江西财经大学电子学院南昌 330013;
2.
西安交通大学电子与信息工程学院西安 710049

基金项目:

国家自然科学基金资助项目(90207012)

作者简介:
孙建成(1974-),男,博士生,主要从事软件无线电及衰落信道预测方面的研究.

中图分类号: TN914.5

Multi-Class Analogue Modulation Recognition Algorithms Based on Support Vector Machines

1.
School of Electronics,Jiangxi Universtiy of Finance and Economics Nanchang 330013;
2.
School of Electronics and Information Engineering,Xi'an Jiaotong University Xi'an 710049

摘要: 提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点,提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分类思想,将特征向量映射到高维空间中加以分类。仿真结果表明:在具有加性带限高斯噪声的环境下,信噪比不小于10 dB时,识别正确率大于90%。
- 支持向量机 /
- 调制方式识别 /
- 特征提取
Abstract: An algorithm based on Support Vector Machines(SVM) for recognition of analogue modulation signals is presented. By analyzing the modulation signals, a set of key features for identifying different types of analogue modulation are extracted and are mapped into the high dimension space. The classification is carried out in the high dimension space based on SVM and decision tree. The result shows that all types of analogue modulation can be classified with success rate more than 90% when SNR higher than 10 dB.
- support vector machines /
- modulation recognition /
- feature extraction

[1]	郭磊, 林啸宇, 王勇, 陈正武, 常伟. 基于深度学习的直升机旋翼声信号检测与识别一体化算法 . 电子科技大学学报, 2023, 52(6): 925-931. doi: 10.12178/1001-0548.2023108
[2]	胡青松, 张亮, 丁娟, 李世银. 人体动作数据编码与CNN精确识别 . 电子科技大学学报, 2020, 49(3): 473-480. doi: 10.12178/1001-0548.2019108
[3]	黄一鸣, 雷航, 周瑞, 桑楠. 基于手机传感器的握持方式判断及运动状态识别 . 电子科技大学学报, 2017, 46(2): 399-406. doi: 10.3969/j.issn.1001-0548.2017.02.014
[4]	戴晓爱, 郭守恒, 任淯, 杨晓霞, 刘汉湖. 基于堆栈式稀疏自编码器的高光谱影像分类 . 电子科技大学学报, 2016, 45(3): 382-386. doi: 10.3969/j.issn.1001-0548.2016.02.012
[5]	闫海, 李国辉, 李建勋. 雷达抗欺骗式干扰信号特征提取方法 . 电子科技大学学报, 2015, 44(1): 50-54. doi: 10.3969/j.issn.1001-0548.2015.01.008
[6]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[7]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[8]	韩杰思, 沈建京. 采用图像滤波的多特征JPEG盲检测 . 电子科技大学学报, 2011, 40(2): 255-260. doi: 10.3969/j.issn.1001-0548.2011.02.020
[9]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[10]	何海江, 陈姝. 由排序支持向量机抽取博客文章的摘要 . 电子科技大学学报, 2010, 39(4): 593-597. doi: 10.3969/j.issn.1001-0548.2010.04.026
[11]	尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松. 基于脑电的脑-机接口：关键技术和应用前景 . 电子科技大学学报, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009
[12]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[13]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[14]	于雪莲, 刘本永. 最优的核判别分析用于雷达目标识别 . 电子科技大学学报, 2008, 37(6): 883-885,937.
[15]	胡丹, 肖建, 车畅. 再生核支持向量机在非线性系统中的应用 . 电子科技大学学报, 2008, 37(1): 124-127.
[16]	徐图, 罗瑜, 何大可. 多类支持向量机的DDoS攻击检测的方法 . 电子科技大学学报, 2008, 37(2): 274-277.
[17]	王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法 . 电子科技大学学报, 2007, 36(3): 583-586.
[18]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.
[19]	孟庆宇, 刘本永, 姚宏达. 基于分数本征特征的手写数字识别 . 电子科技大学学报, 2006, 35(3): 289-291.
[20]	王贵新, 刘建胜, 居琰, 汪同庆, 彭健, 杨波. “有效行”特征对手写体字符的识别 . 电子科技大学学报, 2001, 30(3): 287-291.

WeChat

点击查看大图

计量

文章访问数: 3447
HTML全文浏览量: 149
PDF下载量: 72
被引次数: 0

基于SVM的多类模拟调制方式识别算法

1. 江西财经大学电子学院南昌 330013;

2. 西安交通大学电子与信息工程学院西安 710049

基金项目:

国家自然科学基金资助项目(90207012)

作者简介:
孙建成(1974-),男,博士生,主要从事软件无线电及衰落信道预测方面的研究.

收稿日期: 2004-01-13
刊出日期: 2006-04-15

中图分类号: TN914.5

关键词:

摘要: 提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点,提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分类思想,将特征向量映射到高维空间中加以分类。仿真结果表明:在具有加性带限高斯噪声的环境下,信噪比不小于10 dB时,识别正确率大于90%。

English Abstract

孙建成, 张太镒, 刘海员. 基于SVM的多类模拟调制方式识别算法[J]. 电子科技大学学报, 2006, 35(2): 149-152.

引用本文:

孙建成, 张太镒, 刘海员. 基于SVM的多类模拟调制方式识别算法[J]. 电子科技大学学报, 2006, 35(2): 149-152.

SUN Jian-cheng, ZHANG Tai-yi, LIU Hai-yuan. Multi-Class Analogue Modulation Recognition Algorithms Based on Support Vector Machines[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 149-152.

Citation:

SUN Jian-cheng, ZHANG Tai-yi, LIU Hai-yuan. Multi-Class Analogue Modulation Recognition Algorithms Based on Support Vector Machines[J]. Journal of University of Electronic Science and Technology of China, 2006, 35(2): 149-152.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发