基于SVM的GSM系统上行干扰判定研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要工作内容 | 第12-15页 |
| 第二章 GSM系统中的上行干扰理论及分类技术 | 第15-28页 |
| 2.1 GSM基础知识 | 第15-17页 |
| 2.2 传统定位方法及流程 | 第17-19页 |
| 2.3 FAS数据集 | 第19-21页 |
| 2.4 CDMA干扰定位分析 | 第21-22页 |
| 2.5 互调干扰定位分析 | 第22-25页 |
| 2.6 强外部干扰定位分析 | 第25-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第三章 基于SVM的干扰分类算法 | 第28-38页 |
| 3.1 统计学习理论 | 第28-30页 |
| 3.1.1 经验风险最小化原则 | 第28页 |
| 3.1.2 VC维 | 第28-29页 |
| 3.1.3 推广性的界 | 第29页 |
| 3.1.4 结构风险最小化 | 第29-30页 |
| 3.2 支持向量机理论 | 第30-31页 |
| 3.2.1 最优超平面 | 第30页 |
| 3.2.2 核函数 | 第30-31页 |
| 3.3 支持向量机的二分类问题 | 第31-33页 |
| 3.3.1 线性问题 | 第31-32页 |
| 3.3.2 非线性问题 | 第32-33页 |
| 3.4 支持向量机的多分类问题 | 第33-35页 |
| 3.4.1 一对一算法 | 第33-34页 |
| 3.4.2 一对多算法 | 第34页 |
| 3.4.3 二叉树支持向量机 | 第34-35页 |
| 3.4.4 决策导向无环图 | 第35页 |
| 3.5 基于SVM和FAS判定干扰优势 | 第35-36页 |
| 3.5.1 FAS数据定位干扰优势 | 第35-36页 |
| 3.5.2 基于SVM干扰定位优势 | 第36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于SVM的上行干扰判定模型 | 第38-54页 |
| 4.1 利用FAS数据判定的可行性分析 | 第38-41页 |
| 4.1.1 干扰的稳定性 | 第38-39页 |
| 4.1.2 干扰的叠加性 | 第39-41页 |
| 4.2 数据的预处理 | 第41-45页 |
| 4.2.1 排除无干扰数据 | 第41-42页 |
| 4.2.2 剔除异常值 | 第42-43页 |
| 4.2.3 平滑干扰数据 | 第43-45页 |
| 4.3 特征提取 | 第45-51页 |
| 4.3.1 CDMA干扰特征提取 | 第46-47页 |
| 4.3.2 互调干扰特征提取 | 第47-49页 |
| 4.3.3 强外部干扰特征提取 | 第49-51页 |
| 4.4 模型建立和实验结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |
