基于改进svm的通信干扰识别

基于改进svm的通信干扰识别

ID:31359864

大小:103.50 KB

页数:3页

时间:2019-01-09

基于改进svm的通信干扰识别_第1页
基于改进svm的通信干扰识别_第2页
基于改进svm的通信干扰识别_第3页
资源描述:

《基于改进svm的通信干扰识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于改进SVM的通信干扰识别  摘要:目前直扩通信系统的抗干扰算法仅能够针对一种干扰类型进行抑制,因此有必要对各类干扰进行识别,从而选取相应的抑制算法。针对通信干扰的识别方法进行研究,建立基于SVM算法的通信干扰识别模型。常规SVM算法性能依赖于参数选取,而常规SVM算法参数选取多是通过人工经验选取,存在较大的随机性和盲目性,因此该文使用遗传免疫粒子群优化SVM算法,提高算法和识别模型的性能。使用Matlab针对研究的通信干扰识别模型进行仿真。研究结果表明,所建立的通信干扰识别模型性能优于常规SVM算法和BP算法建立的识别模型。  

2、关键词:通信干扰识别;直扩系统;支持向量机;粒子群优化算法  中图分类号:TN911?34;TN911.72文献标识码:A文章编号:1004?373X(2016)24?0026?04  CommunicationjammingrecognitionbasedonimprovedSVM  LIMin,LIShidong,HUANGXin  (SchoolofInformationEngineering,HubeiUniversityforNationalities,Enshi445000,China)  Abstract:Theant

3、ijammingalgorithmofDSSScommunicationsystemcanonlyrestrainatypeofinterference,soitisnecessarytoidentifyallkindsofinterference,soastoselectthe3correspondingsuppressionalgorithm.Therecognitionmethodsofcommunicationjammingarestudiedinthispaper.Acommunicationjammingrecognit

4、ionmodelbasedonSVMalgorithmisestablished.SincethepropertiesofconventionalSVMalgorithmdependonparameterselection,andtheparameterselectionoftheconventionalSVMalgorithmisselectedbymeansofartificialexperience,therearecertainrandomnessandblindness.Therefore,geneticimmunepar

5、ticlegroupoptimizationSVMalgorithmisusedinthispapertoimprovetheperformancesofthealgorithmandrecognitionmodel.SimulationstudyonthecommunicationinterferencerecognitionmodelisconductedwithMatlab.Theresultsshowthatthetheperformanceofthecommunicationinterferenceidentificati

6、onmodelestablishedinthispaperissuperiortothatoftheconventionalSVMalgorithmandBPalgorithm.  Keywords:communicationinterferencerecognition;directspreadsystem;supportvectormachine;particleswarmoptimizationalgorithm  0引言3  直接序列扩展频谱通信因其良好的隐蔽性、保密性以及组网方便等优势在军事和民用领域得到了广泛应用。但是在

7、具有较强的干扰空间中,直扩系统的性能会受到强烈干扰。国内外专家针对直扩系统的抗干扰方法进行深入研究,提出了针对各种干扰的抗干扰算法。然后各种抗干扰算法往往仅能够针对一种干扰类型进行抑制。因此有必要对各类干扰进行识别,从而选取相应的抑制算法。本文针对通信干扰的识别方法进行研究[1?2]。  SVM(SupportVectorMechine)算法因其具有良好的分类识别能力,而被广泛应用于分类识别领域。但是SVM算法性能依赖于参数选取,而常规SVM算法参数选取多是通过人工经验选取,存在较大的随机性和盲目性。本文使用粒子群优化(Partic

8、leSwarmOptimization,PSO)算法对SVM参数进行优化,以提高SVM算法性能,建立基于改进SVM算法的通信干扰识别模型。  1干扰信号及特征提取  直扩通信系统的干扰信号类型繁多,主要可以归纳为CW干扰、线性调频干扰

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。