Clasificación de señales de interferencia electromagnética basada en Kernel A Kernel based approach for classification of electromagnetic interference signals

Revista Técnica de la Facultad de Ingeniería

关键词: Interferencia electromagnética;    análisis de componente principales;    análisis de componentes principales basado en Kernel;    análisis de componentes independientes;    máquinas de soporte vectorial;    Electromagnetic interference;    principal components analysis;    Kernel principal components analysis;    independent components analysis;    support vector machine;   

DOI  :  

来源: DOAJ

【 摘 要 】

Resumen En este artículo se propone una herramienta de clasificación de señales de interferencia electromagnética sobre cables planos con distintas configuraciones prácticas de acoplamiento. La técnica propuesta consiste de dos etapas. La primera etapa es un preprocesamiento basado en análisis de componentes principales (PCA), análisis de componentes principales basado en Kernel (KPCA) o análisis de componentes independientes (ICA) que intenta reducir la dimensión de los datos de análisis y extraer a su vez la información más relevante; para la segunda etapa de clasificación desarrollada usando máquinas de soporte vectorial (SVM). En este trabajo se realiza un estudio comparativo de los distintos métodos de preprocesamiento y clasificación PCA+SVM, KPCA+SVM, ICA+SVM y SVM en el dominio temporal. También se estudia el desempeño de cada una de las técnicas ante ciertas configuraciones prácticas de acoplamiento por inducción
Abstract This paper introduces Electromagnetic Interference signal classification methods for signals obtained on ribbon cables with different crosstalk configurations. The proposed method comprises two stages. The first one is a preprocessing stage that applies either Principal Components Analysis (PCA), Kernel Principal Components Analysis (KPCA) or Independent Components Analysis (ICA) to reduce the data dimension and, at the same time, to obtain the most relevant information from the raw data. The second stage, the classification one, uses Support Vector Machine (SVM) to classify the kind of electromagnetic coupling. We compare the performance of the different classification structures obtained by combining a pre-processing method with SVM, namely PCA+SVM, KPCA+SVM, ICA+SVM as well as SVM in the time domain

【 授权许可】

Unknown