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 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

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…………

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。

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．

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。

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。

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。

1,502

社区成员

18,437

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

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