《电子测量技术杂志》发表论文赏析

基于零样本学习和自编码器的调制信号识别研究

来源:电子测量技术杂志2024年第14期北京时间:

作者:童子滔,张治中,张涛,杜奕航

单位:1.南京信息工程大学电子与信息工程学院 南京 210044; 2.国防科技大学第六十三研究所 南京 210007

摘要:针对深度学习模型在信号调制识别应用中无法有效识别未知调制方式的问题,提出了一种基于零样本学习和自编码器的信号调制识别模型,用于信号调制开集识别。通过自编码器提取调制信号的特征,引入交叉熵损失、中心损失和重构损失使得不同调制信号的特征能够良好分离,进一步根据特征空间的分布进行调制信号的开集识别。此外,利用解码器重构信号并加入训练,有效提升了模型识别率。实验结果表明,模型能够在提升已知类识别率的前提下对未知类进行区分,且对未知类的分类效果优于传统的开集识别方法,其中未知类识别率达到80%,已知类识别率稳定在95%左右。

关键词:信号识别;零样本学习;卷积神经网络;自编码器;组合损失

基金资助:国家自然科学基金(62371463)项目资助

2024年14期其他文献查阅:

基于零样本学习和自编码器的调制信号识别研究

自适应多元优化局部放电识别算法研究

基于28nm MOSFET集成RNVM的1T1R纳米阵列器件可靠性研究

基于压电纤维复合材料的波浪冲击压力传感器研究

基于IESOA-BP的滚动轴承故障诊断

基于Shi-Tomas和RootSIFT的多尺度曲率特征图像拼接算法

基于模态分解和TCN-BiLSTM的风电功率预测

基于cGAN-SAE的室内定位指纹生成方法

基于连续太赫兹波频谱信息提取方法研究

基于超级电容的双向DC/DC变换器建模与控制

融合动态窗口法和DDPG的无人船避碰方法

FSSD-DETR自动驾驶场景实时目标检测算法

基于全局与局部注意力的车辆方位场景识别

整合类内差异与类间关联的隐喻感情预测

基于改进YOLOv5的铝锭合金表面缺陷检测技术研究

多尺度特征融合增强的行人翻越护栏检测

基于特征优化的冷凝铜管表面缺陷分割

基于改进YOLOv5的仓储物体检测研究

面向复杂场景密集行人检测的YOLOv8改进模型

基于层次特征聚合的自动人像抠图

单平台水下定位系统设计与实现

基于VMD的风机次同步振荡模态辨识方法研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!