收藏本站
《中国科学院大学(中国科学院国家授时中心)》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

信号细微特征降维优化及GPU并行优化

姚舜禹  
【摘要】:通信卫星信号发射源识别对于现代电子战争有着重要意义,信号细微特征分析是信号识别中非常重要的一部分,由于当今社会电磁环境越来越复杂以及无线电技术飞速发展,对信号发射源识别提出了更高的要求,通常使用的信号细微特征特征维度较高以及计算复杂度较大,随之而来出现两种问题:一是信号采集技术的发展,信号的细微特征提取计算量越来越大,运算时间变长;二是特征维度越来越高,将引发维度灾难。本文使用双谱和包络的分形维数两种信号细微特征,对这两种特征进行流形降维并作为分类器的输入,对双谱变换算法进行GPU(图形处理单元)并行优化。首先分析了两种信号细微特征的原理。随后,针对信号识别中所面对的高维的特征数据出现的维度灾难,引入机器学习中的传统降维方法,分析了降维算法的原理、适用环境、优点和缺点,在此基础上将流形降维算法应用到信号细微特征的约简降维中。分析了典型的流形降维算法的思想和计算方法,采用实际数据的信号特征针对流形中数据点的降维效果,分析了不同降维算法的性能。最后研究了基于t-SNE(t分布随机近邻嵌入)算法和SVM(支持向量机)分类器的信号识别技术。针对单一特征识别流程的步骤进行了优化,包括将信号的双谱细微特征提取算法改为基于GPU的并行双谱提取算法、特征的维度对于分类正确了的影响以及通信卫星信号特征分层的原因。在此基础上通过t-SNE算法对不同的特征进行降维,并经过SVM分类器进行分类,根据电磁环境不同采用三组信号数据分别进行五组实验。结果表明,基于GPU的并行双谱特征提取算法能够极大地提高特征提取的速度(如训练时间从48.7s降至0.3s)。利用t-SNE算法降维后的细微特征会影响识别正确率,但基本上保留了样本在高维特征时的拓扑信息,并且在处理降维后的低维特征时,计算量的减少对于分类识别的实时性有明显的提高。
【学位授予单位】:中国科学院大学(中国科学院国家授时中心)
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TN927.2;TP332

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 胡洁;;高维数据特征降维研究综述[J];计算机应用研究;2008年09期
2 孙圣姿;万源;曾成;;自适应嵌入的半监督多视角特征降维方法[J];计算机应用;2018年12期
3 刘冰瑶;马静;李晓峰;;一种“特征降维”文本复杂网络的话题表示模型[J];数据分析与知识发现;2017年11期
4 郭顺超;元艳香;;基于特征降维的手势识别[J];福建电脑;2016年07期
5 黄铉;;特征降维技术的研究与进展[J];计算机科学;2018年S1期
6 杨长春;梅佳俊;吴云;顾寰;;基于特征降维和DBN的广告点击率预测[J];计算机工程与设计;2018年12期
7 张丽;马静;;一种基于“特征降维”文本复杂网络的特征提取方法[J];情报科学;2019年10期
8 闫小勇;李青;;融合特征降维和密度峰值的二进制协议数据帧聚类算法[J];小型微型计算机系统;2018年12期
9 刘海峰;王元元;姚泽清;张述祖;;文本分类中一种混合型特征降维方法[J];计算机工程;2009年02期
10 贾永强;甘露;;基于特征降维的卫星通信辐射源个体识别方法[J];测控技术;2017年11期
中国重要会议论文全文数据库 前2条
1 宋鹏;郑文明;赵力;;基于特征迁移学习方法的跨库语音情感识别[A];第十三届全国人机语音通讯学术会议(NCMMSC2015)论文集[C];2015年
2 伍建军;康耀红;;关于文本分类中特征降维方式的研究[A];第三届学生计算语言学研讨会论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
2 王朋飞;基于空域富模型的图像隐写分析统计特征研究[D];南京理工大学;2017年
3 曹杰;基于SVM的网络流量特征降维与分类方法研究[D];吉林大学;2017年
4 丛家慧;引入人类视觉特性的带钢表面缺陷检测与识别方法研究[D];东北大学;2010年
5 赵旭东;数字拼接图像特征分析与检测方法研究[D];上海交通大学;2014年
6 陶剑文;基于统计学习的分类方法及在Web挖掘中的应用研究[D];江南大学;2012年
7 高茂庭;文本聚类分析若干问题研究[D];天津大学;2007年
8 文学志;基于机器学习的路面对象识别关键技术研究[D];东北大学;2008年
9 贾隆嘉;文本分类中特征加权算法和文本表示策略研究[D];东北师范大学;2016年
10 曹苏群;基于模糊Fisher准则的聚类与特征降维研究[D];江南大学;2009年
中国硕士学位论文全文数据库 前10条
1 姚舜禹;信号细微特征降维优化及GPU并行优化[D];中国科学院大学(中国科学院国家授时中心);2019年
2 周步芳;多标签学习的特征降维方法[D];闽南师范大学;2017年
3 闫晓波;基于统计量的特征降维的研究与应用[D];江南大学;2013年
4 付赛男;基于特征降维的场景分类方法研究[D];上海交通大学;2013年
5 冷冰;面向特定任务的对话主题建模技术研究与应用[D];北京邮电大学;2016年
6 李泰辉;IG-NMF特征降维方法在入侵检测中的应用研究[D];吉林大学;2016年
7 贾雪梅;白酒识别电子鼻系统特征降维与分类器设计[D];天津大学;2017年
8 申中华;数据降维技术的建模研究与应用[D];江南大学;2008年
9 游攀利;基于集成SVM的文本分类方法研究[D];华中科技大学;2014年
10 郑阿楠;基于人工免疫和支持向量机的“亚健康”算法研究[D];辽宁大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026