基于SVM和RVM的信号调制分类研究

提出了一种基于相关向量机(RVM)的MPSK信号分类新方法。将接收信号的四阶累积量作为分类特征,利用核函数的思想把特征向量隐式映射到一个高维空间,并分别利用支持向量机(SVM)和相关向量机分类器实现了MPSK信号的分类。采用交叉验证的方法选择核函数参数,构造了稳健的SVM和RVM分类器,并采用快速稀疏贝叶斯学习算法对RVM超参数进行求解。仿真表明,当选择合适的核函数参数时,基于RVM的分类器与SVM的分类精度相当,但是训练及预测时间较短,所需基函数个数远小于SVM。