基于支持向量機的無線電異常信號識別研究.pdf

1、隨著現(xiàn)代信息技術的快速發(fā)展,無線電頻譜資源逐漸成為人類社會廣泛使用的重要資源,然而各種干擾信號不斷出現(xiàn),無線電監(jiān)測任務日益艱巨。異常信號的識別研究是無線電監(jiān)測的重要任務之一,具有非常重要的理論價值和現(xiàn)實意義。
　　無線電信號識別是經(jīng)典的多分類問題,而支持向量機(SVM)則擅于解決高維分類問題,在諸多領域廣泛應用。本文將支持向量機運用到無線電監(jiān)測中,提出基于支持向量機的廣播頻段及C波段無線電異常信號識別方法,主要研究內(nèi)容如下:

2、>　　1、討論了支持向量機中幾種核函數(shù)、模型建立和參數(shù)選擇設置,分析它們對支持向量機分類效果的影響,選取不同的懲罰因子和核參數(shù)值進行無線電異常信號識別實驗。實驗結果表明,核函數(shù)的選擇、參數(shù)的設置都對支持向量機的泛化能力有明顯影響,直接決定無線電異常信號系統(tǒng)的識別效果。
　　2、以廣播頻段為應用研究背景,通過設備采集數(shù)據(jù),預處理后提取特征,建立支持向量機模型,選擇最優(yōu)參數(shù),最終實現(xiàn)廣播頻段異常信號識別。為了驗證基于支持向量機的無線電

3、異常信號識別方法的可行性與有效性,應用BP神經(jīng)網(wǎng)絡分類法在同等條件下對比實驗,結果表明:本文提取的特征及選用的優(yōu)化參數(shù)方法在SVM分類中效果良好,且識別率高于傳統(tǒng)神經(jīng)網(wǎng)絡分類方法。
　　3、在二分類的基礎上,以C波段幾種異常信號作為研究對象,實現(xiàn)支持向量機多分類識別。主要構建了基于“一對一(OAO)”和“一對多(OAA)”兩種多分類支持向量機分類模型,分析了兩種算法的優(yōu)缺點,并與BPNN進行對比實驗。實驗顯示,雖然這兩種支持向量機