基于SVM的广义空移键控可见光通信系统信号检测算法

针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统,该文提出一种基于支持向量机(SVM)的机器学习信号检测算法.在一般的VLC系统中,极大似然(ML)检测是最优检测算法,但是ML检测算法具有很高的计算复杂度.为了解决此问题,该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测,以在保证信号检测正确率的情况下,降低计算复杂度,提高GSSK-VLC系统的信号检测效率.仿真结果表明,该文提出的针对室内GSSK-VLC系统的SVM信号检测算法与ML检测算法相比,在具有接近ML的误比特率(BER)性能的同时,计算复杂度明显降低,有效提升了系统的检测性能.     

基于SVM的广义空移键控可见光通信系统信号检测算法

针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统,该文提出一种基于支持向量机(SVM)的机器学习信号检测算法。在一般的VLC系统中,极大似然(ML)检测是最优检测算法,但是ML检测算法具有很高的计算复杂度。为了解决此问题,该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测,以在保证信号检测正确率的情况下,降低计算复杂度,提高GSSK-VLC系统的信号检测效率。仿真结果表明,该文提出的针对室内GSSK-VLC系统的SVM信号检测算法与ML检测算法相比,在具有接近ML的误比特率(BER)性能的同时,计算复杂度明显降低,有效提升了系统的检测性能。     

接近最优检测性能的低复杂度线性并行MIMO检测算法

在高阶正交幅度调制下,现有用于MIMO系统的并行检测算法复杂度极高,且随着天线数增多复杂度快速增加;而低复杂度的非并行检测算法与最优检测算法相比,其误比特率性能仍存在一定差距。针对上述问题,提出了一种接近最优检测性能的低复杂度并行MIMO检测算法,该算法基于信道分组检测的思想,对通过受噪声干扰严重的子信道信号采用遍历所有空间映射点的方式进行检测,对其余信号则采用新的基于lattice reduction的线性并行检测算法进行检测。仿真结果表明该算法在获得近似最优检测性能以及提高分集增益的同时,仍可保持较低的复杂度,且在高阶QAM调制方式下,复杂度降低尤为明显。     

MIMO系统中局域化最大似然信号检测算法

提出了一种MIM0系统中低复杂度的局域化最大似然信号检测算法，该方法通过调整信号有效搜索域大小，在计算复杂度与系统性能之间折衷．实验结果表明：该信号检测算法明显降低了高阶QAM调制的计算复杂度，在QPSK和16QAM调制时，当系统性能接近最大似然算法时计算量仅为其很小一部分。     

高阶QAM调制MIMO系统高斯逼近简化算法

针对多输入多输出(MIMO)高阶正交幅度调制(QAM)系统检测算法使用传统的高斯逼近算法检测复杂度高的问题,研究了其简化算法.MIMO系统高斯逼近算法通过采用树形搜索的办法,对符号后验概率影响大的符号序列加以保留,其算法复杂度与保留符号序列数目成线性,且与调制阶数成指数关系.针对高阶调制QAM符号的特点,用多级映射的方法来进行高斯逼近,新方法结合树形搜索算法的思想,通过将高阶调制QAM符号拆分成多个4-QAM符号,从而可以每次两个比特的计算序列权重,其算法复杂度与调制阶数成线性关系,从而使得高阶调制系统的检测复杂度大大降低.仿真结果表明,多级映射高斯逼近算法能取得接近传统高斯逼近算法的性能.     

基于顺序统计量的索引调制信号检测方法

针对载波索引调制信号检测算法复杂度高的不足,结合索引调制符号概率密度分布特点,引入顺序统计量,提出了一种基于顺序统计量的索引调制信号检测方法。该方法直接依据不同支路统计检测量幅值对不同支路进行排序,将幅值较小支路判断为未激活,幅值较大支路判断为激活,并对调制符号进行解调。理论与仿真分析表明,该方法以适当牺牲系统误码性能为代价,大幅降低索引调制信号检测算法复杂度,相对于ML检测,当载波路数为4、BER为10~(-3)时,以0.25 dB系统误码性能为代价,算法复杂度降低50%,且随着载波数目增加,系统误码性能代价不断降低,复杂度降低程度不断增加。     

运用高阶累积量和SVM的调制自动识别

针对数字信号调制模式识别问题,提出了运用高阶累积量和二叉树支持向量机（SVM）进行 自动识别的算法。该算法首先使用信号的四阶、六阶、八阶累积量构造了5个新的分类特征 ,然后利用二叉树支持向量机分类器实现了8种信号的有效分类。仿真结果表明,该算法优 于直接多类分类支持向量机算法,在信噪比大于5 dB时,识别率达到90%以上。     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。 由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。 在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。
　　由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。
　　在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

MIMO-OFDM系统中一种局域化最大似然检测算法

本文提出了MIMO-OFDM系统中一种低复杂度的局域化的最大似然检测算法,该方法通过对每个发送天线的导频训练序列进行信道估计,调整信号有效搜索域,获得低复杂度的系统误码率。实验表明,该信号检测算法明显降低了高阶QAM调制的计算复杂度,在QPSK和16QAM调制时,系统误码率接近已知信道频响情况。     

基于自编码网络特征降维的轻量级入侵检测模型

基于支持向量机(SVM)的入侵检测方法受时间和空间复杂度约束,在高维特征空间计算时面临“维数灾害”的问题.为此,本文提出一种基于自编码网络的支持向量机入侵检测模型(AN-SVM).首先,该模型采用多层无监督的限制玻尔兹曼机(RBM)将高维、非线性的原始数据映射至低维空间,建立高维空间和低维空间的双向映射自编码网络结构,进而运用基于反向传播网络的自编码网络权值微调算法重构低维空间数据的最优高维表示,从而获得原始数据的相应最优低维表示;最后,采用SVM分类算法对所学习到的最优低维表示进行入侵识别.实验结果表明,AN-SVM模型降低了入侵检测模型中分类的训练时间和测试时间,并且分类效果优于传统算法,是一种可行且高效的轻量级入侵检测模型.     

面向复杂太赫兹信道的智能调制系统设计

太赫兹通信是未来高速无线通信极具潜能的技术,受到广泛关注。在本文中,提出基于简单、稀疏空域调制的太赫兹通信系统,探索了由硬件缺陷导致的信号失真对系统性能的影响,并结合收发端失真相关性,进行了系统噪声建模,得到了发端噪声、背景噪声和收端噪声的联合模型。在此多维度噪声背景下,依据后验概率最大化准则,本文推导了太赫兹空间调制系统极大似然信号检测算法。此外,考虑到未来太赫兹通信在多域多维度通信的应用场景,传统检测算法匹配度差且复杂,本文提出了利用具有简单结构的极端学习机来实现太赫兹空间调制系统的低复杂度智能算法。仿真结果表明,本文所提出的极大似然检测算法的性能优于传统的极大似然算法,另外本文中所提出的基于极端学习机的接收机方案,其性能接近最优检测方案,并且明显优于基于深度学习网络和支持向量机的方案。      

Multiclass support vector machines for EEG-signals classification.

In this paper, we proposed the multiclass support vector machine (SVM) with the error-correcting output codes for the multiclass electroencephalogram (EEG) signals classification problem. The probabilistic neural network (PNN) and multilayer perceptron neural network were also tested and benchmarked for their performance on the classification of the EEG signals. Decision making was performed in two stages: feature extraction by computing the wavelet coefficients and the Lyapunov exponents and classification using the classifiers trained on the extracted features. The purpose was to determine an optimum classification scheme for this problem and also to infer clues about the extracted features. Our research demonstrated that the wavelet coefficients and the Lyapunov exponents are the features which well represent the EEG signals and the multiclass SVM and PNN trained on these features achieved high classification accuracies.     

多元位置相移键控的相干相关解调器

多元位置相移键控(MPPSK)是一种新型单载波调制技术。为提高解调性能,采用窄带滤波器提取相干载波对MPPSK信号的冲击滤波输出进行相干检波,得到信号包络;根据包络信号与本地模板序列的相关性,联合幅度-位置检测法和相关函数检测法,设计出相干相关解调器;基于Matlab仿真对传统的幅度门限解调器和相干相关解调器的性能进行了对比。结果表明,在强噪声环境下两者性能趋于一致;在弱噪声环境下,相干相关解调器提升了系统解调性能且简化了相干接收机结构。分析和实验表明了所提MPPSK解调器的有效性。      

基于SVM的可见/近红外光的玉米和杂草的多类识别

杂草的识别分类在精准农业的变量喷施中具有重要的作用.因此提出了一种新的基于SVM(支持向量机),利用决策二叉树在可见/近红外图像中识别作物和杂草的方法.根据近红外波段的光谱特性,利用阈值法实现了植物和土壤背景的分割.将植物冠层的多光谱反射特征、纹理特征和形状特征相结合,采用最大投票机制算法构造合理的决策二叉树,实现了分...     

一种基于SVM的多目标模糊识别方法

支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识剐方法，在解决小样本、非线性及高维模式识剐问题中表现出许多特有的优势。本文重点分析了支持矢量机多分类问题中存在的错分、拒分现象，提出了一种基于支持矢量机特征空问的模糊隶属度函数。多目标识剐的仿真结果表明，采用这种模糊隶属度函数，能够减少目标的错分和拒分数量，提高识剐率。     

基于粒子群支持向量机的通信信号调制识别算法

为了解决大部分通信信号调制识别方法计算量大和分类器训练困难问题,提出一种基于粒子群(PSO)支持向量机(SVM)的调制识别方法.将小波理论与调制信号的瞬时特征、高阶累积量以及分形理论相结合,得到一种混合模式特征向量,并利用粒子群支持向量机对2ASK,4ASK,2PSK,4PSK,8PSK,2FSK,4FSK,8FSK,...     

基于判别式受限玻尔兹曼机的数字调制识别

为了提高大动态信噪比下数字调制识别性能,提出一种基于高阶累积量和判别式受限玻尔兹曼机的联合调制识别方法.该方法提取数字信号的高阶累积量作为信号特征,综合利用判别式受限玻尔兹曼机的生成能力和分类能力,分析了含有高斯噪声、时变相位偏移或瑞利衰落环境下的数字信号识别率.实验结果表明,与传统识别方法相比,所提方法的识别性能有明...     

Support vector machine‐based equalisation for direct‐sequence ultra wideband systems

We proposed the support vector machine (SVM)‐based equalisation schemes for direct‐sequence ultra wideband (UWB) systems. The severe intersymbol interference caused by the UWB channel was formulated as a pattern classification problem in the SVM‐based equaliser, which operates in two main modes: training and detection. We also applied the least squares support vector classifiers (LS‐SVCs) to reduce the training complexity and sparse LS‐SVCs to reduce the detection complexity, with little performance loss compared to SVCs. Simulation results confirm the outperformance of the proposed equalisers over the conventional rake receiver with the same order of complexity for detection, especially when no channel information is known at the receiver. Also, the SVM‐based equalisers in the line‐of‐sight scenario provide a performance close to the case with additive white Gaussian noise only. Copyright © 2011 John Wiley & Sons, Ltd.     

采用相位判决的低复杂度广义空间调制检测算法

针对广义空间调制(GSM)系统中信号检测复杂度过高的问题,提出了一种基于相位判决的低复杂度检测算法.首先根据一种排序准则对天线组合进行排序,然后将排序后的天线组合中的符号向量依次通过基于相位判决的迫零(ZF)均衡器进行检测,最终得到星座调制符号和激活天线组合.分析和仿真结果表明,该检测算法可以有效缩小接收端的搜索范围,在提供与最大似然(ML)检测算法相近的误比特率(BER)性能的同时,计算复杂度降低了98％.