نتایج شبیه‌سازی به کمک طبقه‌بندی کننده SVM در کانال AWGN

در این قسمت با در نظر داشتن شرایط ذکرشده با بهره گیری از طبقه‌بندی کننده‌ی SVM در تفکیک مدولاسیون‌ها در کانال AWGN پرداختیم. در این قسمت از سیستم چندحاملی بهره گیری نشده و در واحد طبقه‌بندی­کننده نیز، انواع کرنل‌های معروف مورد آزمایش قرار گرفته می باشد. به طوری کلی در تشخیص نوع مدولاسیون، تابع کرنل GRBF نسبت به بقیه کرنل‌ها دارای اقدام­نمود بهتری می باشد]6-3[. مقدار پارامترهای طبقه‌بندی کننده SVM (پارامتر پهنای کرنل GRBF  و پارامتر ) با روش کوشش و خطا تنظیم شده‌اند. جدول 3-2 مقدار اقدام­نمود SVM را با کرنل GRBF برای SNR های متفاوت نشان می­دهد. در سیگنال به نویزهای پایین درصد تشخیص کلی سیستم به علت نزدیک بودن مقدار چند ویژگی پایین بوده و زمان اجرا نیز متأثر از بالا بودن تعداد ویژگی­ها و نیز تداخل آنها در سیگنال به نویز پایین می باشد. شکل 3-4 اقدام­نمود SVM را در SNR های متفاوت به ازای کرنل های مختلف نشان می­دهد.

 متن فوق بخش هایی از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد

می توانید به لینک زیر مراجعه نمایید:

 

این مطلب رو هم توصیه می کنم بخونین:   کنترل کننده فازی برای ربوت دنبال کننده دیوار تحلیل پایداری:پایان نامه ارشد
دسته‌ها: دسته‌بندی نشده