Abstract
В статье представлен сравнительный анализ методов машинного обучения (логистическая регрессия, наивный байесовский классификатор, дискриминантный анализ, метод k-ближайших соседей) для классификации радиосигналов двух классов в условиях аддитивного белого гауссовского шума. Исследование проведено в диапазоне отношения сигнал/шум от –5 до +15 дБ. Эффективность алгоритмов оценивалась с помощью площади под ROC-кривой (AUC, Area Under the Curve). Установлено, что дискриминантный анализ достигает максимальной эффективности (AUC = 1,00) при SNR = 15 дБ, тогда как при низких значениях SNR метод k-ближайших соседей демонстрирует относительную устойчивость (AUC = 0,58 при SNR = –5 дБ). Полученные результаты могут быть использованы при выборе алгоритмов машинного обучения для радиотехнических систем, функционирующих в условиях интенсивных помех.