自适应可见图神经网络及其在调制分类中的应用
机器学习
2021-06-17 v1 信号处理
摘要
我们的数字世界充满了时间序列与图，它们刻画了许多复杂系统的各个方面。传统上，处理这两类不同数据各有其方法，例如循环神经网络（RNN）与图神经网络（GNN）；而近年来，时间序列可通过可见图（VG）等技术映射为图，从而研究者可利用图算法挖掘时间序列中的知识。此类映射方法在时间序列与图之间建立了桥梁，并极有潜力促进对各类现实世界时间序列的分析。然而，VG 方法及其变体仅基于固定规则，因而缺乏灵活性，极大限制了其实际应用。本文中，我们提出一种自适应可见图（AVG）算法，可自适应地将时间序列映射为图，并进一步利用 GNN 模型 DiffPool 作为分类器，构建了端到端的分类框架 AVGNet。我们随后将 AVGNet 用于无线电信号调制分类，这是无线通信领域的一项重要任务。仿真验证了 AVGNet 优于一系列先进的深度学习方法，在该任务中取得了最先进的性能。
引用
@article{arxiv.2106.08564,
title = {Adaptive Visibility Graph Neural Network and its Application in Modulation Classification},
author = {Qi Xuan and Kunfeng Qiu and Jinchao Zhou and Zhuangzhi Chen and Dongwei Xu and Shilian Zheng and Xiaoniu Yang},
journal= {arXiv preprint arXiv:2106.08564},
year = {2021}
}