低复杂度Kolmogorov-Smirnov调制分类
信息论
2016-11-17 v2 机器学习
math.IT
摘要
本文应用Kolmogorov-Smirnov (K-S)检验——一种衡量拟合优度的非参数方法——进行自动调制分类(AMC)。基本过程包括计算从接收信号中导出的某个判决统计量的经验累积分布函数(ECDF)，并将其与每个候选调制格式下信号的CDF进行比较。首先针对AWGN信道开发了基于K-S的调制分类器，然后将其应用于OFDM-SDMA系统以消除多用户干扰。针对K-S调制分类的复杂度问题，我们基于K-S分类器的鲁棒性提出了一种低复杂度方法。大量仿真结果表明，与传统的基于累积量的分类器相比，所提出的K-S分类器提供了更优的分类性能，并且需要的信号样本数量更少（因此速度更快）。
引用
@article{arxiv.1102.5593,
title = {Low Complexity Kolmogorov-Smirnov Modulation Classification},
author = {Fanggang Wang and Rongtao Xu and Zhangdui Zhong},
journal= {arXiv preprint arXiv:1102.5593},
year = {2016}
}
备注
This paper is accepted by IEEE WCNC 2011