-
题名基于知识迁移的深度学习无线电信号聚类方法
被引量：2
- 1
-
-
作者
李晓慧
陈壮志
徐东伟
赵文红
宣琦
-
机构
浙江工业大学信息工程学院网络空间安全研究院
嘉兴南湖学院信息工程学院
-
出处
《高技术通讯》
CAS
2023年第11期1172-1180,共9页
-
基金
国家自然科学基金(61973273)
浙江省自然科学基金(LR19F030001)资助项目。
-
文摘
现有的无线电信号调制识别方法在先验数据不足时通常很难对无类标信号进行有效识别。针对这个问题,本文提出了一种基于知识迁移的深度学习无线电信号聚类方法(DTC)。该方法基于样本对比,分析样本间的相似性,并利用卷积神经网络(CNN)提取无线电信号的特征,同时设计了一种预训练框架,通过迁移同领域数据集的知识,有效提升了CNN特征提取能力,实现了引导聚类方向、提升聚类性能的目标。实验结果表明,该方法在多个公开数据集上的聚类性能都显著优于现有的聚类方法。与现有方法相比,DTC在RML 2016.10A和RML 2016.04C数据集上的聚类精度分别提升了30.34%和28.04%。
-
关键词
信号聚类
深度学习
调制识别
迁移学习
卷积神经网络(CNN)
-
Keywords
signal clustering
deep learning
modulation recognition
transfer learning
convolutional neural network(CNN)
-
分类号
TN925
[电子电信—通信与信息系统]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
