论文摘要
针对当前对低压电力线载波通信调制信号识别过程中出现选取特征困难、选取特征不恰当、识别准确率低的问题,提出特征选择——支持向量机(support vector machine, SVM)的调制信号识别方法。通过采集电力线载波通信芯片发送的调制信号样值,经预处理去噪、滤波后选取调制信号多个特征,使用特征选择工具——FEAST,从多个特征集中找出最能标识数据特征集的特征子集,利用SVM方法对特征子集进行判决归类,并将分类识别后的结果与传统神经网络进行比较。仿真结果表明,所提出的方法选取特征与原有方法相比更为简单准确,其识别准确率较传统神经网络有明显提升,调制信号识别准确率达到98%以上,且收敛速度相比更快,可为多特征下低压电力线载波通信调制信号识别提供参考。
论文目录
文章来源
类型: 期刊论文
作者: 董重重,何行,孙秉宇,谢玮,蔡兵兵,王先培
关键词: 低压电力线载波通信,调制信号识别,特征参数集,支持向量机
来源: 中国测试 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 国网湖北省电力有限公司计量中心,武汉大学电子信息学院
基金: 国家自然科学基金资助项目(51707135),国网湖北省电力有限公司电力科学研究院外委研究项目(HB1842)
分类号: TM73
页码: 101-107
总页数: 7
文件大小: 1109K
下载量: 103
相关论文文献
标签:低压电力线载波通信论文; 调制信号识别论文; 特征参数集论文; 支持向量机论文;