基于Foster的调制识别增量学习方法

来源：计算机测量与控制杂志2025年第11期北京时间：

作者：刘浩楠,谢军,薛飞

单位：中国电子科技集团公司第五十四研究所

摘要：针对新的调制识别信号在通信场景中动态出现的问题，提出了一种基于Foster的增量学习调制识别算法，该算法采用基于通道共享阈值机制的深度残差收缩网络，通过自适应软阈值化机制实现噪声抑制并提取有效特征；结合一种两阶段学习范式动态扩展新模块来适应新类别，通过残差拟合模块动态扩展网络容量以适应新调制类型，为解决训练过程中参数不断增多导致参数爆炸的问题，通过一种知识蒸馏策略减少特征维度和冗余参数，保持模型的主干部分；实验结果表明该方法性能明显优于其他增量学习算法，能够有效解决动态环境下的自动调制识别，展现出良好的应用价值。

关键词：增量学习;深度学习模型;特征增强;知识蒸馏;调制识别中图分类号:TN911.3;TP18

基金资助：国家自然科学基金（U22B2002）