基于改进TSVM的通信辐射源个体识别

为了解决通信辐射源个体中标签获取难问题，引入半监督机器学习理论，提出了一种基于预测置信度进行迭代的半监督学习算法(Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction，CP-TSVM)。该方法在TSVM算法的基础上，充分利用无标签样本，根据预测结果置信度进行迭代，能够大幅度减少分类器的运算量。计算机仿真表明，在有标签样本数目占总样本2%的情况下，CP-TSVM较TSVM算法在保证识别准确率的同时，模型训练时间缩短近60 s。     

一种基于矩阵重组的功率倒置改进算法

针对功率倒置（Power Inversion,PI）算法信噪比恶化问题,推导了最小均方误差准则下最优权矢量组成,提出了处理增益更高、工作范围更广的改进算法。算法通过对接收信号协方差矩阵进行特征分解,根据特征值分布特点舍去噪声特征向量,组成新的协方差矩阵,得到具有指向性的最优权值矢量。仿真结果表明,与传统PI算法相比,改进算法在期望方向形成自适应波束,获得的信干噪比增益和信噪比增益高出约9.6 dB,较好地改善了信噪比恶化问题。