基于改进TSVM的通信辐射源个体识别

发布时间：2021-11-16 03:40

　　为了解决通信辐射源个体中标签获取难问题,引入半监督机器学习理论,提出了一种基于预测置信度进行迭代的半监督学习算法（Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-TSVM）。该方法在TSVM算法的基础上,充分利用无标签样本,根据预测结果置信度进行迭代,能够大幅度减少分类器的运算量。计算机仿真表明,在有标签样本数目占总样本2%的情况下,CP-TSVM较TSVM算法在保证识别准确率的同时,模型训练时间缩短近60 s。 

【文章来源】：电讯技术. 2020,60(09)北大核心

【文章页数】：6 页

【部分图文】：

基于CP-TSVM的通信辐射源个体流程图

CP-TSVM算法流程图

双谱变换得到的是二维谱，采用矩形路径积分法将二维谱变成一维。双谱变换中NFFT点数选用1 024点，SIB矩形积分过后得到512维的特征向量。为了避免高维向量给分类器性能带来的影响，采用主成分分析法[16]对特征向量进行降维处理。通过实验来完成PCA维数的选取，逐步增加主成分的维数，发现识别正确率先上升后下降，结果如图3所示，在20～60维区间内识别率最高，兼顾准确率和运算效率，最终选取主成分维数为30维。2.2 实验结果分析


本文编号：3498084