基于支持向量机的高频振荡回路性能评价
扫描二维码
随时随地手机看文章
摘 要: 提出了基于支持向量机(SVM)高频振荡回路性能的评价方法。以高频并联振荡电路为实验研究对象,通过将由高精密仪器设备采样信号分析与基于SVM的性能的评价分析相对比,证明了此评价方法的可靠性与精确性。该方法采用径向基核函数和合适的ε、C参数,有效地对高频振荡电路的通频带等参数进行测定、分析误差,是值得推广与研究的高频振荡回路性能评价的一种新方法。实验表明,该方法可推广到通信网络的相关参数的评价当中。
关键词: 支持向量机;高频并联振荡回路;通频带
高频振荡回路是高频应用最广的无源网络,是构成通信网络必不可少的重要组成部分。同时,它也是构成高频放大器、振荡器的主要部件。在高频电路中,振荡回路完成作为负载、选择信号、变换阻抗等任务。现有的高频振荡回路可以用相应的仪器设备来测试其频率、增益等来体现其性能的优劣。但这只是一种近似估计的检测方法。如果某一振荡回路的设计是应用于特殊环境,对其性能的检测精确度要求较高,而如何对其进行精确的评价则是当前值得探究的一个问题。基于这一点,本文提出了基于支持向量基(SVM)的高频并联振荡回路性能评价方法。
1 高频振荡回路的特性分析
在设计振荡电路时,需注意相对于时间、温度、电源电压的输出稳定度的特性及以正弦波输出的振荡波形失真(如果为纯粹的正弦波时,失真率为零)。除了上述特性以外,在高频率振荡电路的设计中,还要考虑到频率的可变范围以及振荡频率范围。
数据挖掘源于数据库技术引发的海量数据和人们利用这些数据的愿望。支持向量机(SVM)[1,2]是一种以有限样本统计学习理论为基础发展起来的新的通用学习方法,有效地解决了小样本、高维数、非线性等传统的学习问题,大大地提高了学习方法的泛化能力。目前支持向量机在其理论研究和算法实现方面都取得了突破性的进展,进入了飞速发展的阶段,并取得了良好的效果。将其应用于高频并联振荡回路性能评价方法的讨论中,提出了基于SVM的评价方法[3-8]。