基于自监督对比学习的信号调制识别算法

TN911.7; 近年来,基于深度学习的信号调制识别技术发展迅速,但大多数解决方案以监督学习方法为主,需要大量带标签样本.考虑到信号数据样本分析标注难度大、成本高,提出了一种通过自监督对比学习利用大量无标签样本进行模型预训练、基于预训练特征值提取及利用少量带标签样本进行调制识别训练的学习方法,可大幅降低训练所需的带标签样本数量.在RadioML2018.01A上的试验表明,所提方法仅需1％的带标签数据就能达到全数据集上与监督学习模型相当的性能,且带标签数据减少至0.1％时,对信噪比大于等于8 dB的24类调制信号的识别准确率仍然能达到93％以上....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 4; pp. 1200 - 1206
Main Authors 陈洋, 廖灿辉, 张锟, 刘建, 王鹏举
Format Journal Article
LanguageChinese
Published 战略支援部队信息工程大学,河南郑州450001 01.04.2023
中国人民解放军32076部队盲信号处理国家级重点实验室,四川 成都610041%中国人民解放军32076部队盲信号处理国家级重点实验室,四川 成都610041
Subjects
自监督对比学习
调制识别
模型预训练
深度学习
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.04.29

Cover

More Information
Summary:TN911.7; 近年来,基于深度学习的信号调制识别技术发展迅速,但大多数解决方案以监督学习方法为主,需要大量带标签样本.考虑到信号数据样本分析标注难度大、成本高,提出了一种通过自监督对比学习利用大量无标签样本进行模型预训练、基于预训练特征值提取及利用少量带标签样本进行调制识别训练的学习方法,可大幅降低训练所需的带标签样本数量.在RadioML2018.01A上的试验表明,所提方法仅需1％的带标签数据就能达到全数据集上与监督学习模型相当的性能,且带标签数据减少至0.1％时,对信噪比大于等于8 dB的24类调制信号的识别准确率仍然能达到93％以上.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.04.29