基于改进判决树的调制分类器

基于判决树的调制样式识别方法是一种实时性好、较为成熟的信号调制识别方法,但是如何正确确定判决门限是影响该方法稳健性的关键因素之一。论文提出了一种改进的判决树法分类器,利用神经网络的训练思想,对判决树法的参数门限进行训练选取,从而提高了判决树法的自适应能力,能够随着目标信号的变化而自适应调整判决门限。最后,通过仿真验证了论文所提方法的有效性。