一种新的贝叶斯调制分类算法

摘要
图/表
参考文献
相关文章 (4)

全文: PDF (281 KB)
输出: BibTeX | EndNote (RIS)

摘要提出了一种基于马尔可夫链蒙特卡罗(MCMC)的数字调制分类方法。针对存在未知残留载波相位和频率时贝叶斯分类难以实现的问题，采用Metropolis-Hastings(M-H)算法估计边缘似然概率密度，从而在分类性能上保持了贝叶斯分类的理论最优性和稳健性。利用对比实验验证了方法的性能。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	柳征
	王明阳
	姜文利
	周一宇

关键词 ：马尔可夫链蒙特卡罗(MCMC), 调制分类, 贝叶斯分类器, Metropolis-Hastings (M-H) 算法, 边缘似然函数

Abstract：A novel method is proposed for digital modulation classification based on Markov chain Monte Carlo (MCMC). Considering the difficulty for Bayesian classifier with unknown residual carrier phase and frequency, marginal likelihood probability density is estimated by Metropolis-Hastings (M-H) algorithm, which kept the theoretical optimality and robustness of Bayesian classifier. The simulated results show that the novel classifier outperforms the one based on cumulants.

Key words： Markov Chain Monte Carlo (MCMC);Modulation classification Bayesian classifier;Metropolis-Hastings (M-H) algorithm;Marginal likelihood function

收稿日期: 2004-11-15

PACS:

TN911.3

引用本文:

柳征; 王明阳; 姜文利; 周一宇. 一种新的贝叶斯调制分类算法[J]. 电子与信息学报, 2006, 28(7): 1233-1237 . Liu Zheng; Wang Ming-yang; Jiang Wen-li; Zhou Yi-yu. A Novel Bayesian Modulation Classification Algorithm. , 2006, 28(7): 1233-1237 .

链接本文:

http://jeit.ie.ac.cn/CN/ 或 http://jeit.ie.ac.cn/CN/Y2006/V28/I7/1233