[发明专利]基于最小二乘支持向量机的调制识别方法

摘要

本发明公开了一种基于最小二乘支持向量机的调制识别方法，主要解决现有方法对调制信号进行识别较为复杂的问题。其实现方案是：1)接收端接收到调制信号后计算出所需要的特征参数；2)将信号的特征参数制作为数据集并划分训练集数据和测试集数据；3)利用训练集数据求解拉格朗日Lagrange函数，得到lagrange乘子α和截距b；4)使用lagrange乘子α和截距b，计算得到测试集信号的分类结果。本发明具有简单易行，效果良好，计算量小，实现简便的优点，可用于调制信号的识别系统。

主权项

1.基于最小二乘支持向量机的调制识别方法，其特征在于,包括如下：(1)待识别的调制信号种类共有7种，分别是4ASK、2PSK、4PSK、8PSK、2FSK、4FSK、8FSK，接收端收到受加性高斯白噪声AWGN影响的调制信号后，计算零中心归一化瞬时幅度谱密度的最大值γ_max、自回归AR谱峰个数、第一高阶累积量特征f_s,1和第二高阶累积量特征f_s,2；(2)对(1)的7类调制信号设定不同类别标签，即将信号4ASK、2PSK、4PSK、8PSK、2FSK、4FSK、8FSK分别对应的类别标签设为0、1、2、3、4、5、6。(3)将(1)计算得到的结果参数表示为矩阵：C＝C₁；C₂；C₃...C_i...C_m，其中C_i是由瞬时特征统计量γ_max、自回归AR谱峰个数、第一高阶累积量特征f_s,1和第二高阶累积量特征f_s,2组成的特征向量,i的范围是1～m，m为发送信号的数量；(4)在(3)中得到的矩阵添加每一行特征向量所属的调制信号对应的类别标签，得到数据集，将该数据集的70％的数据作为训练集，30％的数据作为测试集；(5)使用最小二乘支持向量机LSSVM算法，将训练集数据作为输入，选用高斯核函数：设定高斯核函数参数γ为0.8，以求解相应的拉格朗日Lagrange函数，得到lagrange乘子α和截距b，并保存；(6)将测试集数据作为输入x，计算分类标签得到调制信号的识别结果，其中α_i是α的分量，C_i为C的分量，