公开(公告)号：CN107395540B

公开(公告)日：2020-09-01

申请号：CN201710458294.6

申请日：2017-06-16

Applicant: 南京邮电大学

Inventor： 单剑锋 ,  顾凯冬

IPC: H04L27/00

Abstract: 本发明公开了基于LMD近似熵、高阶累积量和SVM的调制信号识别方法。利用LMD算法把复杂的信号分解成一系列简单PF信号，再求这些PF信号的近似熵，与高阶累积量构建联合特征模块。近似熵可以作为时间序列复杂性的一种度量，信号经LMD分解后的PF分量为依次从高频到低频的时间序列，故用近似熵对PF分量进行量化，可实现以PF分量的复杂性作为目标的有用信息提取。

公开(公告)号：CN107395540A

公开(公告)日：2017-11-24

申请号：CN201710458294.6

申请日：2017-06-16

Applicant: 南京邮电大学

Inventor： 单剑锋 ,  顾凯冬

IPC: H04L27/00

Abstract: 本发明公开了基于LMD近似熵、高阶累积量和SVM的调制信号识别方法。利用LMD算法把复杂的信号分解成一系列简单PF信号，再求这些PF信号的近似熵，与高阶累积量构建联合特征模块。近似熵可以作为时间序列复杂性的一种度量，信号经LMD分解后的PF分量为依次从高频到低频的时间序列，故用近似熵对PF分量进行量化，可实现以PF分量的复杂性作为目标的有用信息提取。