核Fisher判别方法在CDMA通信技术中的应用

1、核Fisher判别方法在CDMA通信技术中的应用论文导读：核Fisher判别方法无须对数据进行明确的映射。基于RBF核的Fisher判别方法在CDMA通信技术中相对于匹配滤波有较好的识别效果。关键词：核Fisher，核函数，CDMA，扩频1.引言基于数据的机器学习是现代智能技术中的重要方面，它是从观测数据式中分别是样本的类间离散度矩阵和类内离散度矩阵，而是各类样本的均值向量因此最大化的本质是要找到一个最好方向来最大化投影后的类间离散度(分子)，同时最小化这个方向上的类内离散度(分母)。论文格式。对于非线性分类，首先使用一非线性映射函数，把数据从原始空间映射到一个高维特征空间H这里，和是H中的相

2、应矩阵，即其中 显然，如果H的维数很高甚至是无穷维的，直接求解是不可能的。核Fisher判别方法无须对数据进行明确的映射，而是寻找算法的一种表达式，其中只使用了训练样本的点积运算。然后只要能够有效地计算这些点积，就能够解决原始的问题。为了找到特征空间H的Fisher 判别，首先需要得到只按照输入样本的点积形式表示利用展开式式中定义：现在来考虑式再来考虑式式中，其中是第j类的核矩阵I是单位矩阵，是所有元素为1/的矩阵。把式类似于输入空间的算法，这个问题的求解可以通过求矩阵的特征值和特征矢量，或者等效地计算得到。那么新模式x到w的投影为 显然，所提出的设置是非适定的。因为要从n个样本中估计n维的协

3、方差结构，而特征空间的维数等于或高于训练样本数目n，因此就有必要利用正那么化技术。论文格式。可以给N加上一个单位阵的倍数，即用矩阵代替矩阵N，来惩罚，或者给N加上一个全核矩阵的倍数来惩罚。3.仿真结果及结论在本实验中，模拟的是采用直接序列扩频的点对点CDMA通信系统【4】。具体模拟过程如下：用随机函数模仿用户发送的信号，该信号经过31位Gold序列码扩频后，再加上多径迟延和进入信道后的加性噪声，这就是从信道出来的CDMA信号，然后将该信号进行解扩，分别用核Fisher方法和匹配滤波方法对其检测识别。本实验分成两组： 用户个数 核Fisher 匹配滤波 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)检测识别率比拟 S/N 核Fisher 匹配滤波 -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 通过对以上两组数据的分析可以看出，基于RBF核的Fisher判别方法在CDMA通信技术中相对于匹配滤波有较好的识别效果，在CDMA通信技术中有很大的应用潜力。参考文献【1】 李映，焦李成，基于核Fisher判别分析的目标识别，西安电子科技大学学报，2002【2】边肇祺，张学工等编著，模式识别，清华大学出版社，2001【3】 田盛丰，基于核函数的学习算法，北方交通大学学报，2003【4】 窦中兆，雷湘编著，CDMA无线通信原理，2003【5】 杨绪兵，线性判别分析及其推广研究，南京航空航天大学硕士学位论文，2004【6】 Mika S , Ratsch G, WestonB , etal. Fisher Discriminant Analysis with Kerne