基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法.与传统的神经网络方法相比,该方法具有更好的泛化推广能力.实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率.
推荐文章
一种基于支持向量机的数字调制识别方法
调制识别
模式识别
支持向量机
控制
基于支持向量机的多类数字调制方式自动识别算法
支持向量机
调制方式识别
软件无线电
特征提取
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
基于联合特征向量的自动数字调制识别算法
调制识别
特征向量
高阶统计量
欧氏距离
神经网络
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 基于支持向量机的数字调制信号识别
来源期刊 计算机与现代化 学科 工学
关键词 调制识别 支持向量机 特征提取
年,卷(期) 2011,(3) 所属期刊栏目 人工智能
研究方向 页码范围 1-4
页数 分类号 TN914
字数 3618字 语种 中文
DOI 10.3969/j.issn.1006-2475.2011.03.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (1838)
参考文献  (12)
节点文献
引证文献  (4)
同被引文献  (10)
二级引证文献  (4)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(5)
  • 参考文献(1)
  • 二级参考文献(4)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(9)
  • 参考文献(1)
  • 二级参考文献(8)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(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
调制识别
支持向量机
特征提取
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
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导