基于DBN-SVM的水下调制识别技术研究

摘要

为减少水下通信中信号信息损失的问题,降低波形畸变率,提高调制识别率,解决经典支持向量机理论出现二次规划局部最优的问题,本文提出一种将深度置信网络(DBN,Deep Belief Network)和支持向量机(SVM,Support Vector Machine)相结合的算法,设计出抗时频衰落信道的调制信号分类器.利用深度置信网络构造多特征融合权重矩阵,解决信息损失和畸变造成的模糊效应,提高信息衰变时的分辨率;然后支持向量以此权重矩阵作为模型,识别不同类型调制信号.仿真实验表明,在瑞利多途衰落信道环境下,该分类器的识别率优于单一特征分类方法,而且有较高的鲁棒性.