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:
为了降低支持向量机(SVM)算法在高阶多元位置相移键控(M-ary Position Phase Shift Keying,MPPSK)系统的信号检测复杂度,在分析常用 SVM多分类算法的基础上,提出了一种新的具有更低复杂度的类二分法SVM。为了进一步提高高阶MPPSK信号检测性能,提出一种新的SVM特征向量提取方法,调制矩阵法,并将两种方法结合起来,用于高阶MPPSK系统的信号检测。仿真结果表明:类二分法SVM能显著降低多分类SVM的算法复杂度,调制矩阵选取特征向量法能够显著提高高阶 MPPSK系统的检测性能,两种方法结合用于高阶MPPSK系统,可以在有效降低复杂度的前提下保证期望的检测性能。
推荐文章
基于SVM多分类器的管道内检测信号处理研究
超声波检测
支持向量机
多分类器
基于曲线拟合和SVM的眼动信号分类算法研究
人机交互
眼电图
实验范式
曲线拟合
支持向量机
基于模糊SVM模型的入侵检测分类算法
模糊
SVM
入侵检测
分类
一种基于累积适应度遗传算法的 SVM多分类决策树
多分类
支持向量机
遗传算法
累积适应度函数
全局优化
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 用于高阶MPPSK信号检测的多分类SVM新算法
来源期刊 信号处理 学科 工学
关键词 多元位置相移键控信号检测 一对一法 有向环图支持向量机 类二分法 调制矩阵法
年,卷(期) 2014,(8) 所属期刊栏目 算法研究
研究方向 页码范围 901-907
页数 7页 分类号 TN911.25
字数 5643字 语种 中文
DOI
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 吴乐南 东南大学信息科学与工程学院 412 3936 29.0 45.0
2 徐红梅 东南大学信息科学与工程学院 2 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (34)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (1)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多元位置相移键控信号检测
一对一法
有向环图支持向量机
类二分法
调制矩阵法
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
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
论文1v1指导