一种基于支持向量机的分层调制识别方法

提出了一种新的在高斯白噪声条件下基于支持向量机的分层调制识别方法.其中选取信号的4阶、6阶累积量作为分类特征向量,并利用支持向量机作为分类器对其进行分层调制分类.该方法相比其他非分级调制识别方法具有较低的计算复杂度和较快的分类器训练速度.理论分析和仿真结果均证明了算法的正确性和有效性.     

一种适用于低信噪比的数字调制方式识别方法

针对低信噪比平坦衰落信道,本文提出了一种有效的数字调制方式自动识别的方法,该方法主要采用的技术包括噪声功率估计、构造高维特征矢量、使用基于人工神经网络的分类器.噪声估计有效地抑制了噪声影响,高维特征矢量的应用提高了不同调制信号的区分度,基于人工神经网络的分类器可以实现对高维特征空间较复杂的划分.仿真结果表明该方法显著地提高了低信噪比条件下数字调制方式的正确识别概率.     

基于量子粒子群优化的SVM的模拟电路故障诊断

相比于小波变换,小波包变换具有较高的分辨率和细致的分析能力,是小波变换的延伸和发展。支持向量机具有较好的泛化能力,能够应用于模拟电路的故障诊断。鉴于支持向量机参数难以确定的问题,采用量子粒子群优化算法选取支持向量机的参数,将优化后的支持向量机与小波包变换相结合,利用小波包变换提取电路的故障特征,然后通过优化后的支持向量机对特征向量进行分类识别。最后通过对实例的分析,验证该方法的有效性。     

衰落信道下基于支持向量机的调制识别方法

本文以四阶累积量为特征参数,采用支持向量机(SVM)将分类特征值映射到高维空间中,并构建最优分类超平面,实现对QPSK、16QAM、64QAM和OFDM四种信号的自动调制识别。分析了AWGN信道、Rayleigh衰落信道和Nakagami衰落信道对四阶累积量的影响,推导并给出了经过衰落信道后四阶累积量的表达式。基于支持向量机的调制识别方法解决了特征样本在低维空间的不可分问题,仿真结果表明,在SNR低于10dB时,该方法的性能明显优于决策树方法,信噪比大于等于0dB时,各种信号的调制识别率在90%以上。      

探地雷达图中地下管径尺寸的SVM识别方法

在用探地雷达对地下管道进行探测时,地下管道的雷达图像呈现明显的双曲线特征,但地下管道的管径大小却无法在雷达图中直接反映出来。为了能够同时测量地下管道管径,本文首先采用一种改进的小波包阈值去噪法对雷达图进行去噪预处理,然后采用Hough变换对特征双曲线进行拟合,确定管道的位置,从而实现管道的检测,最后采用支持向量机的方法对拟合的双曲线进行分类,将双曲线分类结果对应到管径分类上,从而间接地实现地下管道管径的识别。实验结果表明:该方法对地下管道管径大小的正确识别率达到90%。该方法能够满足工程应用的实际需要。     

基于优化算法的雷达辐射源信号识别方法及性能

针对基于支持向量机(SVM)的雷达辐射源信号识别方法中SVM模型参数对识别性能影响较大的问题,提出基于优化算法的雷达辐射源信号识别方法,并选择遗传算法、蚁群算法和粒子群算法三种典型的优化算法应用于新的识别方法进行优化识别.通过不同条件下计算机仿真实验,验证了新方法的有效性,并分析了三种典型优化算法在新方法中的综合性能,为对雷达辐射源信号进行更好的识别提供一定的依据.     

一种新的雷达辐射源识别方法

提出一种用于雷达辐射源识别的新方法。根据小波包特征（WPT）和脉冲重复间隔（PRI）的特点,将八维WPT中的第六、七个分量（Wpt6、Wpt7）以及PRI的均值和方差（mpRI、σ^2PRI）四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络（RBPNN）分类器。通过计算机仿真验证了新方法的可行性,与常规方法相比,不仅提高了识别准确率,识别速度也有所提高。     

基于支持向量机的辐射源识别算法

为了提高电子对抗设备对辐射源的识别能力,采用小波包变换法提取信号的时频谱特征,并引入支持向量机完成对辐射源的分类。小波包变换对信号局部的时频特征具有较好的分辨率,支持向量机分类器结构简单、可获得全局优化、泛化能力强。仿真结果表明,基于支持向量机的辐射源分类方法的正确率优于传统算法。     

一种基于Gabor变换的HRRP目标识别方法

从模式分类角度讨论了基于高分辨距离像的舰船目标识别问题,提出了一种基于Gabor变换的HRRP目标识别方法。通过对数据进行Gabor变换去除噪声,利用基于小波包分解能量的方法得到信号在不同频带的能量分布特性,最终通过支持向量机进行识别。通过对6类目标实测数据的分析,验证结果表明,该方法在舰船目标识别领域具有良好的应用前景。     

基于小波包分析的辐射源特征提取和识别算法

提出了一种基于小波包的变换方法。该方法通过对不同脉内调制方式进行频带能量的提取,并引入支持向量机来完成对辐射源的分类。该小波包变换对信号局部的时频特征具有较好的分辨率。仿真结果表明,文中的小波包变换信号时频特征的分析精度优于传统算法。     

一种低信噪比雷达信号分选方法

文章就低信噪比雷达辐射源信号分选问题提出一种结合FastICA和小波去噪方法的改进算法,通过仿真实验表明新算法能够有效提高信噪比,增强了信号的可识别性。文中还就算法的实现顺序分别进行了实验,并将其结果分别与FastlCA算法作了比较,证实新算法比FastICA算法性能更优越。最后,文中给出经过新算法分选后的信号能量损失比并给出相应分析。     

基于小波包变换的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,提出一种以小波包系数的能量比和标准差为特征的算法,并采用BP神经网络进行识别。仿真实验表明,该方法能在较低的信噪比条件下取得较好的识别率。     

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,...     

基于小波变换和支持矢量机的调制信号识别

提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法，即将信号小波变换后提取各尺度上的能量峰值作为特征向量，利用支持矢量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性，并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明，这种方法具有很高的分类性能和良好的稳健性。     

一种新颖的红外与可见光图像融合方法

为了提升红外和可见光图像融合效果,提出了一种新颖的融合方法。对可见光图像利用支持向量机和腐蚀膨胀算法在图像分块的基础上进行分割获取含有重要场景信息的特征子图像和灰度场景子图像;对红外图像进行热目标边缘提取并增强,结合前述特征子图像和最大类间方差法获取边缘增强的目标子图像,特征子图像和灰度场景子图像。利用小波包分别对两特征子图像,两场景子图像进行融合。融合过程中,根据子图像特点择取不同融合准则,并对高频融合系数进行系数修正使其更为准确可靠。将红外热目标注入到前述融合结果中获取最终融合图像。实验结果表明,提出算法从主、客观评价上都要优于对比算法。     

基于高阶统计量的低分辨雷达空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,首先分析了空间目标的雷达特性规律,在此基础上,提出了基于高阶统计量的空间目标识别算法。计算机仿真实验表明,即使在较低的输入信噪比下,该算法依然对自旋稳定卫星、三轴稳定卫星和空间碎片等三类目标取得了比较好的识别效果。     

雷达目标一维距离像识别方法研究

提出了一种基于小波包分析和二叉树支持向量机相结合的雷达目标一维距离像识别方法.该方法充分利用了小波包对信号的时频分解和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能.通过采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量.对...     

基于高分辨率雷达的一种目标识别方法

在小波变换和Mahalanobis距离的基础上,提出了一种雷达目标识别方法.首先,对雷达回波信号进行小波变换,得到目标散射中心在一维距离像中的位置和峰值,从而得到一组由位置和峰值构成的点列.然后计算这些点的Mahalanobis距离,得到目标识别的特征向量,由此进行目标识别.仿真实验结果表明:该方法具有较高目标识别能力和强抗干扰能力.     

一种基于Spectrum原子的雷达辐射源信号识别方法

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,该文提出了一种新的雷达辐射源信号识别方法。在过完备多尺度Spectrum原子库基础上,采用匹配追踪(MP)方法对信号进行原子分解,并通过FFT降低MP搜索过程的时间复杂性,在此基础上,对本征Spectrum原子参数进行有效降维,提取具有分类意义的原子特征向量,同步实现信号的自动分类和参数估计。实验结果表明,该方法在低信噪比环境下不仅可以获得高的信号类别正确识别率,同时具有准确的参数估计结果,证实了所提出方法的有效性。