核Fisher判別方法在CDMA通信技術(shù)中的應(yīng)用

1、核Fisher判別方法在CDMA通信技術(shù)中的應(yīng)用論文導(dǎo)讀：核Fisher判別方法無須對數(shù)據(jù)進行明確的映射?；赗BF核的Fisher判別方法在CDMA通信技術(shù)中相對于匹配濾波有較好的識別效果。關(guān)鍵詞：核Fisher，核函數(shù)，CDMA，擴頻1.引言基于數(shù)據(jù)的機器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方面，它是從觀測數(shù)據(jù)式中分別是樣本的類間離散度矩陣和類內(nèi)離散度矩陣，而是各類樣本的均值向量因此最大化的本質(zhì)是要找到一個最好方向來最大化投影后的類間離散度(分子)，同時最小化這個方向上的類內(nèi)離散度(分母)。論文格式。對于非線性分類，首先使用一非線性映射函數(shù)，把數(shù)據(jù)從原始空間映射到一個高維特征空間H這里，和是H中的相

2、應(yīng)矩陣，即其中 顯然，如果H的維數(shù)很高甚至是無窮維的，直接求解是不可能的。核Fisher判別方法無須對數(shù)據(jù)進行明確的映射，而是尋找算法的一種表達式，其中只使用了訓(xùn)練樣本的點積運算。然后只要能夠有效地計算這些點積，就能夠解決原始的問題。為了找到特征空間H的Fisher 判別，首先需要得到只按照輸入樣本的點積形式表示利用展開式式中定義：現(xiàn)在來考慮式再來考慮式式中，其中是第j類的核矩陣I是單位矩陣，是所有元素為1/的矩陣。把式類似于輸入空間的算法，這個問題的求解可以通過求矩陣的特征值和特征矢量，或者等效地計算得到。那么新模式x到w的投影為 顯然，所提出的設(shè)置是非適定的。因為要從n個樣本中估計n維的協(xié)

3、方差結(jié)構(gòu)，而特征空間的維數(shù)等于或高于訓(xùn)練樣本數(shù)目n，因此就有必要利用正那么化技術(shù)。論文格式?？梢越oN加上一個單位陣的倍數(shù)，即用矩陣代替矩陣N，來懲罰，或者給N加上一個全核矩陣的倍數(shù)來懲罰。3.仿真結(jié)果及結(jié)論在本實驗中，模擬的是采用直接序列擴頻的點對點CDMA通信系統(tǒng)【4】。具體模擬過程如下：用隨機函數(shù)模仿用戶發(fā)送的信號，該信號經(jīng)過31位Gold序列碼擴頻后，再加上多徑遲延和進入信道后的加性噪聲，這就是從信道出來的CDMA信號，然后將該信號進行解擴，分別用核Fisher方法和匹配濾波方法對其檢測識別。本實驗分成兩組： 用戶個數(shù) 核Fisher 匹配濾波 2 1 1 3 1 0.9987 4 1

4、0.9925 5 1 0.9878 6 0.9998 0.9865 7 0.9998 0.9853 8 0.9998 0.9806 9 0.9997 0.9862 10 0.9997 0.9749 表2 不同S/N(dB)檢測識別率比擬 S/N 核Fisher 匹配濾波 -10 0.8650 0.8630 -9 0.8720 0.8660 -8 0.9220 0.9180 -7 0.9300 0.9220 -6 0.9360 0.9300 -5 0.9470 0.9450 -4 0.9590 0.9570 -3 0.9750 0.9750 -2 0.9820 0.9820 -1 0.9820

5、0.9820 0 0.9920 0.9900 1 0.9950 0.9900 2 0.9970 0.9950 3 0.9980 0.9950 4 0.9980 0.9960 通過對以上兩組數(shù)據(jù)的分析可以看出，基于RBF核的Fisher判別方法在CDMA通信技術(shù)中相對于匹配濾波有較好的識別效果，在CDMA通信技術(shù)中有很大的應(yīng)用潛力。參考文獻【1】 李映，焦李成，基于核Fisher判別分析的目標(biāo)識別，西安電子科技大學(xué)學(xué)報，2002【2】邊肇祺，張學(xué)工等編著，模式識別，清華大學(xué)出版社，2001【3】 田盛豐，基于核函數(shù)的學(xué)習(xí)算法，北方交通大學(xué)學(xué)報，2003【4】 竇中兆，雷湘編著，CDMA無線通信原理，2003【5】 楊緒兵，線性判別分析及其推廣研究，南京航空航天大學(xué)碩士學(xué)位論文，2004【6】 Mika S , Ratsch G, WestonB , etal. Fisher Discriminant Analysis with Kerne