.png){kind=icon}
返回
Start-of-Packet Detection Using Machine Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TCOMM.2026.3669492.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着无线通信系统的快速普及，精确的包起始检测（Start-of-Packet, SOP）对于高效的包接收和解码至关重要。传统的基于相关性的技术难以在低信噪比（SNR）和相位/频率偏移条件下工作。本文提出了一种基于邻近度的支持向量机（Proximity-based Support Vector Machine, P-SVM），这是一种新型的基于SVM的方法，通过整合邻近度加权（Proximity-based weighting）和距离调整函数（Distance adjustment function）来增强在上述失配条件下的鲁棒性。通过仿真和基于SDR的实验评估，P-SVM在检测概率、平均绝对误差和虚警概率方面均持续优于传统方法及最先进方法。此外，P-SVM具有更低的实现复杂度，使其适用于实际部署。
Keyword:
Start-of-Packet (SOP)
machine learning (ML)
support vector machine (SVM)
wireless communication
software-defined radio (SDR)
期刊
IF:
8.3
论文数:
1.2W
被引数:
3.6W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容