适用于样本分布差异的迁移学习调制识别算法 |
| |
作者单位: | 空军工程大学信息与导航学院,陕西 西安710077 |
| |
摘 要: | 针对大量有标签样本的数据驱动模型方法存在数据分布不完备问题,结合实际环境中通信信号样本差异大的特点,提出一种对抗域适应迁移算法.通过类判别器和域判别器对抗训练,使特征提取器能够提取到既具有类差异性又具有域不变性的特征.以无监督学习方式对目标域信号进行分类,以提升调制识别算法在实际环境中拟合存在分布差异数据集的自适应能力.对实际信号样本集中调制方式相近的9类调制信号在不同信噪比条件下进行测试,域适应迁移方法通过对抗训练有标签高信噪比的源域样本和无标签低信噪比的目标域样本,结果发现该算法的平均识别准确率较以往直接训练的平均识别准确率大幅提升.
|
关 键 词: | 数据驱动模型 分布不完备 对抗域适应 类差异性 域不变性 |
本文献已被 CNKI 万方数据 等数据库收录! |
|