基于GA-SVM算法的矿井多模无线信号调制识别

发布时间：2020-12-18 08:35

　　矿井信息化是煤矿安全生产的有效保障,而矿井多个信息子系统往往采用不同的信号模式,形成一体化信息系统必须实现多系统融合,多模信号的检测识别是多系统融合的关键。针对普通支持向量机（SVM）分类器在矿井大小尺度衰落信道下低识别率的问题,提出优化SVM分类识别的方法。将数据样本集分为测试数据集和训练数据集,使用遗传算法对训练数据集中SVM的惩罚因子和核函数进行寻优处理,得到优化的SVM模型,并用此模型对测试集进行测试分类。仿真结果表明,在信噪比为-5 dB的大小尺度衰落信道环境下,四种信号的平均识别率均能达到80%以上;在信噪比大于-3 dB的大小尺度衰落信道环境下,四种信号的平均识别率均能达到90%以上。 

【文章来源】：科学技术与工程. 2020年06期 北大核心

【文章页数】：6 页

【部分图文】：

信号检测识别流程

遗传算法(genetic algorithm, GA)具有全局优化搜索的特性,可以通过选择编码方法对问题符号进行很好的优化,算法中个体的染色体由算法按照一定逻辑随机生成初始种群决定。在初始种群确定以后,种群中的每一个体都需计算出代表各自优劣程度的适应度值,继而以适者生存为原则,筛选出优胜个体,可以扩大适应度大的个体被选中的概率。遗传算法流程图如图2所示。遗传算法的参数主要由六个部分组成,即选择合适的编码方式、对种群进行的初始化操作、对适应度函数的确定、停机准则、遗传算子和遗传参数的设置。

单点交叉算子是交叉算子的一种特殊情况,在群体中任意选择两个染色体作为交叉对象,随机的产生一个交叉点位置,在此位置对基因码进行交换,从而产生新的两个子个体的过程,在这个过程中只有一个交叉点位置。单点交叉如图3所示。2.2 遗传优化SVM分类器步骤


本文编号：2923702