PLC/OFDMチャネルにおける信号分類とノイズ検出のためのマルチクラスサポートベクターマシンと確率的ニューラルネットワークの使用

過去数年間、人工ニューラルネットワーク（ANN）は多くのアプリケーションで強力なパフォーマンスを示してきました。本論文では、パターン認識（判別分析）におけるANNの利用について研究し、検討しました。PLCチャネルを介して送信された後のOFDM信号に存在するノイズを検出するために、二つの分類学習器が提案されました。これらの分類器は、誤り訂正出力コード（ECOC）を用いたマルチクラスサポートベクターマシン（SVM）と確率的ニューラルネットワーク（PNN）です。受信信号の各信号はその振幅に基づいてそのカテゴリーに関連付けられる、5,000のランダムに生成された信号からなるトレーニングデータセットが、提案された分類器のトレーニングに使用されました。本研究の目的は、計算コストと分類精度の観点から提案された手法の中で最適な分類スキームを決定することでした。一般的に、私たちの研究は、PLC信号の特徴で訓練された提案されたアルゴリズムが高い分類精度を達成したことを示しました。たとえば、PNNは94.3％の分類精度を得た一方で、細いガウスカーネル関数を使用したSVMによって生成された分類精度は96.4％でした。したがって、これらは堅牢な教師あり分類学習器と見なすことができます。