基于数据集增强和知识蒸馏的信号调制方式自适应分类方法研究

发布时间：2024-03-12 04:35

　　随着通信领域技术的发展,人们之间的交流越来越便捷,随之而来的是无线设备数量的大幅度增长,对频谱资源的需求也越来越高。与此同时,学者的研究方向除了如何提高频谱资源利用率外,保密通信也成为主要研究方向之一。为避免出现窃听等情况,发送方可随机更改信号的调制方式以保证通信的安全,因此在接受方则需要进行信号调制方式自适应分类。信号调制方式自适应分类在民用和军事的无线通信领域起着至关重要的作用。当前信号调制分类多是利用神经网络进行基于特征的分类,可通过对数据集和网络结构修改进一步提高分类准确率。首先,本文通过采用改进的Triple-GAN网络对原始的数据集进行扩展,增加训练样例,解决了由于训练数据不足和过拟合导致的卷积神经网络在信号调制分类方面受限的问题,而且新生成的样例可提供额外的辅助信息来训练分类网络。利用扩展后的数据集对信号调制方式分类网络进行训练,可以提高信号调制方式分类的准确率。并对数据集中的IQ向量进行计算,得到其所对应的瞬时幅度和相位,将计算后的结果作为网络的输入,来验证生成的数据是否具有真实意义。其次,本文通过对分类网络进行改进,将在分类方面具有卓越性能的ResNeXt网络应用到信...

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图5-3加入不同数目伪样例的分类混淆矩阵

第5章实验结果及分析55随着生成样例数的提高，信号的分类准确率从88.3%提高到了90.27%，但是在新增样例个数达到30000以后，其准确率没有较高的增幅，基本与横轴平行。从图5-2的分类准确率的变化也可以看到，添加的伪样例数为27800和48800时，其分类准确率的曲线基本重....

图5-6不同网络的分类混淆矩阵

本文编号：3926550