10.16798/j.issn.1003-0530.2020.02.002
基于半监督联合神经网络的调制识别算法
针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM(long short term memory)和ResNet(residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率.在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%~20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0 dB时对11种调制信号平均识别正确率达到92%,具有明显优势.
数据驱动、小样本、联合神经网络、对比预测编码、无监督预训练
36
TN975;TN911.7
国家自然科学基金资助项目61601500
2020-06-02(万方平台首次上网日期,不代表论文的发表时间)
共9页
168-176