混合蛙跳算法优化的支持向量机EBPSK检测器

为了充分利用"0","1"码元经过冲击滤波器后的波形差异和有效改善基本支持向量机经典训练方法容易陷入局部最优的缺陷,设计了混合蛙跳算法优化的支持向量机EBPSK检测器.首先,从经过冲击滤波器的"0","1"码元原始数据中提取训练集和测试集,并进行归一化处理;然后,利用混合蛙跳算法的全局寻优能力在训练集空间搜索支持向量机的支持向量和分类阈值,并用训练过的支持向量机对测试集分类.将混合蛙跳算法优化的支持向量机的检测效果与基本支持向量机以及幅度积分判决进行了对比,结果表明:基本支持向量机检测效果要好于幅度积分判决,混合蛙跳算法优化的支持向量机具有更好的检测精度,检测效果优于前两者.

基于IM-SAPSO和SVM的EBPSK检测器设计

参数选择对于支持向量机(support vector machine,SVM)的分类性能很重要,其本质是搜索寻优.该文提出以最小化K-fold交叉验证误差为目标,以改进模拟退火粒子群优化算法(improved simulated annealingparticle swarm optimization,IM-SAPSO)为寻优方法的SVM参数优化方法.利用优化的SVM对扩展的二元相移键控(extended binary phase shift keying,EBPSK)通信系统中经冲击滤波器的"0"和"1"码元进行分类,并和基于SVM、PSO-SVM以及幅度积分判决的EBPSK检测器进行性能对比.仿真结果表明:基于IMSAPSO和SVM的EBPSK检测器性能明显好于其他3种检测器.