论文部分内容阅读
针对现有数字信号调制识别的问题，提出了一种基于核Logistic回归（KLR）的自动分类方法。该方法提取了信号的高阶累积量参数用作训练与测试数据，采取常用的决策树分类构架的思想，仿真并比较已有的基于支撑向量机（SVM）的调制分类方法，结果表明，在低信噪比为0dB时，分类性能一般高于SVM；5dB时，采用KLR的分类识别率均达到90％以上，有较为优越的分类性能。