社区
网络编程
帖子详情
通信信号样本的分类用分类器怎样实现
qq_38954150
2017-05-27 08:32:30
现有500组通信信号的样本,已知的有每组的均值、方差等等其他特征,如何用分类器实现对这些数据的分类。用到分类器是用到什么类型的?
...全文
1721
5
打赏
收藏
通信信号样本的分类用分类器怎样实现
现有500组通信信号的样本,已知的有每组的均值、方差等等其他特征,如何用分类器实现对这些数据的分类。用到分类器是用到什么类型的?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
5 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
火腿烧豆腐
2017-08-29
打赏
举报
回复
我也在做这个题目,楼主有进展可以分享一下
of123
2017-05-31
打赏
举报
回复
首先要有分类规则。就比如 500 个人,是按男女、年龄、身高,还是按婚否、有无子女、家庭住址,还是职业、职称、就职单位类别?
zdingyun
2017-05-28
打赏
举报
回复
建议LZ阅读
svm分类器原理
zdingyun
2017-05-28
打赏
举报
回复
分类是数据挖掘的一种非常重要的方法。分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型(即我们通常所说的分类器(Classifier))。该函数或模型能够把数据库中的数据纪录映射到给定类别中的某一个,从而可以应用于数据预测。总之,分类器是数据挖掘中对样本进行分类的方法的统称,包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。 1.决策树分类器,2. 选择树分类器,3. 证据分类器。
舉杯邀明月
2017-05-27
打赏
举报
回复
莫明其妙的问题…………
数字
通信
信号
的自动识别与参数估计研究
本文在前人工作的基础上,结合具体工程实践,主要研究了数字
通信
信号
调制 样式的自动识别与参数估计技术。所做的工作主要包括: 1、提出了利用小波变换结合谱分析技术估计数字
通信
信号
码速率的方法;提出 了采用总体概率分布估计与支持矢量机
分类
器
相结合对多进制数字基带
信号
自动分 类的方法。证明了小波变换系数模值构成的单极性基带序列的功率谱在其码速率整数 倍处存在离散谱线,检测这些离散谱线可
实现
数字基带序列码速率的盲估计。这种方 法
实现
简单且有较好的估计精度。指出了不同类型的数字基带
信号
对应不同的总体概 率密度函数,使得
分类
信号
成为可能。利用支持矢量机
分类
器
在小
样本
学习的情况下 易于构造训练
样本
且有较好的推广性能,符合
信号
侦测的应用要求。在多种噪声背景 下,对多种数字基带
信号
均取得了较好的识别效果。 2、提出了在对调制
信号
侦察的软件无线电结构框架下,针对MASK、MFSK、 MPSK调制
信号
采用相应的数字
信号
处理算法提取
信号
的
分类
特征。对这些
分类
特征 采用总体概率密度估计与支持矢量机
分类
器
相结合的方法
实现
了调制
信号
的自动分 类。对于MASK、MFSK
信号
,结合小波变换和谱分析,对
分类
特征的码速率估计 值即为相应调制
信号
的码速率。针对带限MPSK
信号
特点,提出了构造延迟乘积信 号估计码速率的方法。通过对实测
信号
的处理验证了这些方法的可行性。 3、提出了利用提取的
分类
特征对数字调制
信号
自动
分类
的聚类分析方法。在大 数据量的情况下,采用了基于目标函数的模糊聚类算法。这种方法的优点在于
分类
信 号的同时可以估计数据的聚类中心,结合估计出来的码速率可
实现
侦察
信号
的盲解 调。 4、在高斯信道中,提出了将基带MPSK
信号
自动
分类
的高阶累积量方法推广到 未解调MPSK
信号
的方法。利用MPSK的差分延迟
信号
,构造复基带
信号
,并证明 了可以由此复基带
信号
估计出
信号
的码速率。根据估计出的码速率通过差分解调技术 并且按码速率同步采样得到了与原MPSK
信号
同阶的复基带相位序列,构造利用高 阶累积量的
分类
器
实现
了
信号
自动
分类
。这种方法是基于高阶累积量构造
分类
特征不西安电子科技大学博士论文:数字
通信
信号
的自动识别与参数估计研究 变量的基带MPSK
信号
分类
算法向实用化的推广。 5、提出了在平稳高斯或非高斯噪声以及非平稳的高斯噪声背景下,利用高阶循 环累积量对多种数字
通信
信号
自动
分类
与参数估计的方法。是现有的利用二阶循环平 稳分析
信号
算法的推广。通过分析证明了2、4PSK
信号
的特定四阶循环累积量在循 环频率与载波频率相等时不为零,而当偏离载波时迅速降为零。因此利用四阶循环累 积量可以估计出2、4PSK
信号
的载波频率,这种载波估计方法有很高的估计精度, 且易于自动
实现
。并且可以利用四阶循环累积量构造2、4PSK
信号
的
分类
特征不变 量。对于MASK和MFSK
信号
,提出了利用三阶循环累积量估计载波频率。证明了 星形QAM调制
信号
的四阶循环累积量可用于估计载波频率等调制参数。在统一的软 件无线电解调模型下,分析了利用循环累积量估计数字
通信
信号
的各种参数以
实现
信 号盲解调的方法。 6、将循环累积量用于分析多载波调制,对于子载波均采用PSK调制的OFDM
信号
,证明了利用循环累积量可以估计
信号
的子载波频率进而构造
分类
特征不变量。 并且把基于小波变换的码速率估计算法推广到了OFDM调制。 7、结合
信号
侦察的实际应用,讨论了数字
通信
信号
子类分离的算法。提出了基 于判决树结构与综合考虑所有
分类
特征的常见数字
通信
信号
的自动
分类
算法。将支持 矢量机
分类
器
推广到
信号
子类的分离,使得构造的
分类
器
对新出现调制类型具有一定 的适应性。针对数字
通信
信号
参数、种类繁多的特点,初步讨论了利用专家系统
实现
通信
电台的识别。最后分析了自动
分类
与参数估计算法在短波
通信
和无线局域网中的 应用并给出了自动
分类
与参数估计算法在短波
通信
中的一些应用实例。
采用支持向量机的水声
通信
信号
调制识别方法 (2015年)
由于水声信道中随机、复杂的时、频扩展特性的影响,非合作水声
通信
信号
调制方式的自动识别极具挑战性-考虑到载频等调制参数提取较为困难,本研究基于
信号
功率谱、平方谱进行无需先验知识的水声
通信
信号
特征参数提取,设计了一种基于多类别最小二乘支持向量机(LS-SVM)的水声
通信
信号
调制方式
分类
器
,该
分类
器
具有泛化性能好、小
样本
学习能力强的特点,同时可避免传统神经网络
分类
器
存在的过学习、欠学习以及局部最小化等问题.对海上实录
信号
数据的识别实验结果表明,本方法具有优于神经网络
分类
器
的识别性能和信道稳健性.
基于深度级联孪生网络的
通信
信号
调制识别算法
为解决传统基于深度学习的调制识别算法在小
样本
条件下识别准确率较低的问题,提出一种基于深度级联孪生网络的
通信
信号
小
样本
调制识别算法。根据
通信
信号
时序图的时空特性,设计由卷积神经网络和长短时记忆网络级联的特征提取模块将原始
信号
特征映射至特征空间,同时在孪生网络架构下对提取的特征进行距离度量并以相似性约束训练网络,避免特征提取模块在训练过程中出现过拟合现象,最终通过最近邻
分类
器
识别待测
样本
的调制类别。在 Deep sig公开调制数据集上的实验结果表明统基于深度学习的调制识别算法相比,该算法能有效降低训练过程中所需的
样本
量,且在小
样本
条件下的识别准确率更高。
基于一类B$D 概率密度估计的多
分类
贝叶斯算法研究 (2007年)
为降低训练
分类
器
的运算复杂度,并解决支持向量机(SVM)对多类
分类
问题没有特别有效解决方法的问题。提出了一种基于一类支持向量机的多
分类
贝叶斯算法,证明了基于径向基核函数的一类SVM的
分类
函数归一化为密度函数,并将所得的概率密度函数用于构造二
分类
及多
分类
贝叶斯
分类
器
。仿真实验将提出的多
分类
贝叶斯算法应用于多类
通信
信号
调制识别,结果表明:该算法的
分类
准确率不低于传统SVM多
分类
器
,而在多类属、每类训练
样本
数目较大的情况下训练所需的运算量和存储量仅是传统SVM多
分类
算法的0.5%大大减小了核矩阵规模和训练时间。
基于3D-Hibert能量谱和多尺度分形特征的
通信
辐射源个体识别
针对
通信
辐射源的个体识别问题,提出一种基于希尔伯特—黄变换(HHT,Hilbert-Huang transform)和多尺度分形特征的新方法。首先,通过 HHT 得到时频能量谱,将其视为三维空间中的复杂曲面,即 3D-Hilbert能量谱;然后,利用分形理论通过多尺度分块提取差分盒维数和多重分形维数二维特征组成特征向量;最后,采用支持向量机
分类
器
结合二维特征向量
实现
通信
辐射源的个体
分类
。分别利用仿真
信号
和调制方式相同的实际
通信
信号
,验证并对比了所提方法与另外2种方法在2类及3类目标情况下的识别性能。实验结果表明,所提方法的识别率远高于其他2种方法,能够克服低信噪比和少训练
样本
数量对识别性能的负面影响,证明了所提特征的稳定性、充分性及可分性。
网络编程
1,502
社区成员
18,437
社区内容
发帖
与我相关
我的任务
网络编程
VB 网络编程
复制链接
扫一扫
分享
社区描述
VB 网络编程
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章