原文服务方: 西安交通大学学报       
摘要:
提出了基于支持向量机(SVM)的信号滤波方法.由于利用了SVM泛化能力强、全局最优等特点,因此该方法与传统方法相比,能更有效地抑制随机加性噪声.在时域和频域分别讨论了参数对核函数的影响,通过对基于SVM的函数回归形式的变换,得出了一种能描述滤波原理的表达式.从该表达式中可以看出,核函数的作用相当于低通滤波,而其参数决定了滤波器的截止频率,从而可以通过对核函数参数进行优化,以取得最佳的滤波效果,达到抑制随机加性噪声的目的.仿真结果表明,基于SVM的滤波方法有效地抑制了随机加性噪声,为信号滤波提供了一种以结构风险最小化为理论框架的新手段.
推荐文章
基于支持向量机的通信信号调制识别方法研究
支持向量机
模式识别
调制信号
识别分类
基于改进卡尔曼滤波与支持向量机的信息融合技术
卡尔曼滤波
支持向量机
无线传感器网络
信息融合
基于小波的支持向量机算法研究
小波核
混沌
支持向量机
泛化能力
基于支持向量机的手势识别研究
手势识别
支持向量机
核函数
多分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的信号滤波研究
来源期刊 西安交通大学学报 学科
关键词 支持向量机 核函数 滤波 加性噪声
年,卷(期) 2006,(4) 所属期刊栏目 专题研究
研究方向 页码范围 427-431
页数 5页 分类号 TN911.72
字数 语种 中文
DOI 10.3321/j.issn:0253-987X.2006.04.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林茂六 哈尔滨工业大学电子与信息技术研究院 75 645 15.0 20.0
2 陈春雨 哈尔滨工业大学电子与信息技术研究院 23 126 6.0 10.0
3 张喆 哈尔滨工业大学电子与信息技术研究院 9 81 4.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (11)
同被引文献  (10)
二级引证文献  (26)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(4)
  • 引证文献(4)
  • 二级引证文献(0)
2009(6)
  • 引证文献(1)
  • 二级引证文献(5)
2010(7)
  • 引证文献(1)
  • 二级引证文献(6)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(4)
  • 引证文献(2)
  • 二级引证文献(2)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
核函数
滤波
加性噪声
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
论文1v1指导