[发明专利]基于LMD近似熵、高积累积量和SVM的调制信号识别方法有效
| 申请号： | 201710458294.6 | 申请日： | 2017-06-16 |
| 公开（公告）号： | CN107395540B | 公开（公告）日： | 2020-09-01 |
| 发明（设计）人： | 单剑锋;顾凯冬 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | H04L27/00 | 分类号： | H04L27/00 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 张芳 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于LMD近似熵、高阶累积量和SVM的调制信号识别方法。利用LMD算法把复杂的信号分解成一系列简单PF信号，再求这些PF信号的近似熵，与高阶累积量构建联合特征模块。近似熵可以作为时间序列复杂性的一种度量，信号经LMD分解后的PF分量为依次从高频到低频的时间序列，故用近似熵对PF分量进行量化，可实现以PF分量的复杂性作为目标的有用信息提取。 | ||
| 搜索关键词： | 基于 lmd 近似 积累 svm 调制 信号 识别 方法 | ||
【主权项】：
基于LMD近似熵、高积累积量和SVM的调制信号识别方法，其特征在于，包括以下步骤：步骤1、利用LMD算法计算调制信号的一系列PF分量；步骤2、选取前三个PF分量，分别求它们的近似熵作为调制信号的一组特征参数；步骤3、计算调制信号平均功率化后的四阶与六阶高阶累积量作为一组特征参数：F1＝|C40|，F2＝|C63|；步骤4、选取前一百次的特征参数作为训练样本，训练LS‑SVM，并寻找LS‑SVM的最优参数；步骤5、用剩余的特征向量进行分类识别，得出分类的正确率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710458294.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种通道校正方法以及校正装置
- 下一篇：双向中继通信系统信号发送和接收方法
