针对具有 RRC 成形脉冲信号的监督机器学习
信息论
2017-05-19 v1 机器学习
math.IT
摘要
为了进行调制识别，我们比较了支持向量机、神经网络和逻辑回归等监督机器学习技术的分类性能。这些简单且稳健的特征被用于区分连续相位 FSK 与 QAM-PSK 信号。在具有块衰落、缺乏符号和采样同步、载波偏移以及加性高斯白噪声等联合杂质的极端噪声条件下，对具有根升余弦成形脉冲的信号进行了仿真。这些特征基于两个连续复信号值乘积的虚部的样本均值和样本方差。
引用
@article{arxiv.1705.06299,
title = {Supervised Machine Learning for Signals Having RRC Shaped Pulses},
author = {Mohammad Bari and Hussain Taher and Syed Saad Sherazi and Milos Doroslovacki},
journal= {arXiv preprint arXiv:1705.06299},
year = {2017}
}
备注
5 pages