电讯技术
電訊技術
전신기술
TELECOMMUNICATIONS ENGINEERING
2013年
7期
864-867
,共4页
通信信号%调制分类%主成分分析%独立成分分析%支持矢量机
通信信號%調製分類%主成分分析%獨立成分分析%支持矢量機
통신신호%조제분류%주성분분석%독립성분분석%지지시량궤
communication signal%modulation classification%principal component analysis%independent compo-nent analysis%support vector machine
基于主成分分析（PCA）和独立成分分析（ICA），提出了一种新的调制分类算法。算法采用PCA对样本数据降维、去除冗余成分，采用FastICA方法提取分类特征；采用支持矢量机（SVM）作为分类器，以解决数据在低维空间中的不可分问题。该算法具有较低的复杂度和较高的训练速度。仿真表明，与最大似然（ML）算法相比，算法仅具有1．8 dB的信噪比损失，在Rayleigh慢衰落信道和中速运动的条件下，算法对5种QAM调制类型具有较好的分类性能。
基于主成分分析（PCA）和獨立成分分析（ICA），提齣瞭一種新的調製分類算法。算法採用PCA對樣本數據降維、去除冗餘成分，採用FastICA方法提取分類特徵；採用支持矢量機（SVM）作為分類器，以解決數據在低維空間中的不可分問題。該算法具有較低的複雜度和較高的訓練速度。倣真錶明，與最大似然（ML）算法相比，算法僅具有1．8 dB的信譟比損失，在Rayleigh慢衰落信道和中速運動的條件下，算法對5種QAM調製類型具有較好的分類性能。
기우주성분분석（PCA）화독립성분분석（ICA），제출료일충신적조제분류산법。산법채용PCA대양본수거강유、거제용여성분，채용FastICA방법제취분류특정；채용지지시량궤（SVM）작위분류기，이해결수거재저유공간중적불가분문제。해산법구유교저적복잡도화교고적훈련속도。방진표명，여최대사연（ML）산법상비，산법부구유1．8 dB적신조비손실，재Rayleigh만쇠락신도화중속운동적조건하，산법대5충QAM조제류형구유교호적분류성능。
A principal component analysis(PCA)and independent component analysis(ICA)based modulation classification algorithm is presented. The samples are first processed by PCA to reduce their dimension and elim-inate their redundancies,and then the classification features are obtained by the FastICA algorithm. The Support Vector Machine(SVM)is applied to solve the non-separable problem in low dimension space. The algorithm is less complex computationally and has faster classifier training speed compared with other algorithms. The exten-sive simulation results show that the proposed algorithm has only 1.8 dB SNR loss,and exhibits better classifi-cation performance under Rayleigh channel and medium movement condition.
