10.19678/j.issn.1000-3428.0058472
基于深度级联孪生网络的小样本调制识别算法
为解决传统基于深度学习的调制识别算法在小样本条件下识别准确率较低的问题,提出一种基于深度级联孪生网络的通信信号小样本调制识别算法.根据通信信号时序图的时空特性,设计由卷积神经网络和长短时记忆网络级联的特征提取模块将原始信号特征映射至特征空间,同时在孪生网络架构下对提取的特征进行距离度量并以相似性约束训练网络,避免特征提取模块在训练过程中出现过拟合现象,最终通过最近邻分类器识别待测样本的调制类别.在DeepSig公开调制数据集上的实验结果表明,与传统基于深度学习的调制识别算法相比,该算法能有效降低训练过程中所需的样本量,且在小样本条件下的识别准确率更高.
卷积神经网络、长短时记忆网络、孪生网络、小样本、调制识别
47
TN975
国家自然科学基金61601500
2021-05-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
108-114