基于支持向量机的信号滤波研究

被引:4
作者
陈春雨
林茂六
张喆
机构
[1] 哈尔滨工业大学电子与信息技术研究院
基金
高等学校博士学科点专项科研基金;
关键词
支持向量机; 核函数; 滤波; 加性噪声;
D O I
暂无
中图分类号
TN911.7 [信号处理];
学科分类号
0711 ; 080401 ; 080402 ;
摘要
提出了基于支持向量机(SVM)的信号滤波方法.由于利用了SVM泛化能力强、全局最优等特点,因此该方法与传统方法相比,能更有效地抑制随机加性噪声.在时域和频域分别讨论了参数对核函数的影响,通过对基于SVM的函数回归形式的变换,得出了一种能描述滤波原理的表达式.从该表达式中可以看出,核函数的作用相当于低通滤波,而其参数决定了滤波器的截止频率,从而可以通过对核函数参数进行优化,以取得最佳的滤波效果,达到抑制随机加性噪声的目的.仿真结果表明,基于SVM的滤波方法有效地抑制了随机加性噪声,为信号滤波提供了一种以结构风险最小化为理论框架的新手段.
引用
收藏
页码:427 / 431
页数:5
相关论文
共 2 条
[1]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167
[2]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297