《表6 不同识别算法在不同特征下的综合性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于栈式降维与字典学习的辐射源调制识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为综合对比识别率和时效性，在相同仿真条件下记录各算法的计算复杂度，实验环境与3.4.1节、3.4.2节保持一致，均为-14～10 d B（步长2 d B）信噪比环境，对应识别率为整体平均识别率，具体结果如表6所示。结果表明:1) KNN和SVM算法训练耗时相对较优，测试时间不及本文字典学习方式，且识别性能不足；2) SDR-SRC和SDR-CRC算法直接将降维输入特征数据集作为整字典，无需字典优化训练，因此训练时耗为0 s，其中，CRC算法采用l2正则测试时效性较高，而SRC算法采用的l1正则约束形式求解复杂度较大；3) JDDRDL算法兼顾线性降维学习和字典学习，降低了原子冗余和特征冗余，测试时效性较高，但列原子迭代优化形式导致训练阶段耗时较大；4)本文DLC算法在无降维特征输入下具备优势，其判别能力与JDDRDL算法相当，且优于其余无降维方式；5)本文的SDR-DLC算法具备低维特征表示和紧致的字典表示，测试时效性和识别率最优。综合来看，SDR-DLC算法通过无监督学习获取低维非线性特征，利用字典学习降低原子冗余性并增强判别性，测试时效性和整体识别率最优，具备一定的应用优势。