典型文献
基于多特征SSA-ELM的调制识别
文献摘要：
针对当前通信信号调制识别算法在低信噪比环境下识别率不高、训练速度慢、识别类型受限等问题,提出了一种基于多特征麻雀搜索算法-极限学习机(Sparrow Search Algorithm-Extreme Learning Machine,SSA-ELM)的信号调制识别方法.该方法基于四阶和六阶累积量构造两个特征参数,引入分数阶小波变换,利用分数域小波系数构造特征值,组成三维特征向量后输入SSA-ELM网络进行分类.仿真及USRP(Universal Software Radio Peripheral)采集数据验证结果表明,所提特征参数具有较好鲁棒性,且SSA算法优化后的ELM网络分类性能得到明显提高,在SNR等于6 dB时两种方法识别率均达到90％,且最高识别率达到94％.
文献关键词：
通信信号;调制识别;分数阶小波变换;麻雀搜索算法;极限学习机
中图分类号：
作者姓名：
肖潇;谢跃雷
作者机构：
桂林电子科技大学信息与通信学院,广西桂林 541004;认知无线电与信息处理省部共建教育部重点实验室,广西桂林 541004
文献出处：
引用格式：
[1]肖潇;谢跃雷-.基于多特征SSA-ELM的调制识别)[J].电讯技术,2022(08):1044-1050
A类：
分数阶小波变换
B类：
多特征,SSA,ELM,调制识别,通信信号,信号调制,识别算法,低信噪比,识别率,训练速度,速度慢,麻雀搜索算法,极限学习机,Sparrow,Search,Algorithm,Extreme,Learning,Machine,四阶,六阶,小波系数,构造特征,三维特征,特征向量,USRP,Universal,Software,Radio,Peripheral,采集数据,数据验证,数具,算法优化,分类性能,SNR,dB,方法识别
AB值：
0.413478
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
