AI/ML 基于自动调制识别：最新趋势与未来可能性
机器学习
2025-02-19 v2
摘要
我们综述了文献中提出的高性能自动调制识别 (AMR) 模型，用于对 various Radio Frequency (RF) 调制方案进行分类。我们复制了这些模型，并在不同信噪比范围内对其准确率进行了比较。为确保公平比较，我们使用相同的测试数据集 (RadioML-2016A)、相同的硬件，并采用一致的测试准确率定义作为评估指标，从而为未来的 AMR 研究提供基准。所选参数基于关联参考文献中的建议，以实现与原作品尽可能接近的结果。这些复制的模型已公开供进一步分析 AMR 模型。我们还呈现了所选模型的测试准确率与其参数数量之间的关系，表明其复杂度。基于这一比较分析，我们识别了提高这些模型性能的策略。最后，我们提出了通过 novel architectures、数据处理技术或训练策略来进一步提升 AMR 模型能力的潜在机会。
引用
@article{arxiv.2502.05315,
title = {AI/ML-Based Automatic Modulation Recognition: Recent Trends and Future Possibilities},
author = {Elaheh Jafarigol and Behnoud Alaghband and Azadeh Gilanpour and Saeid Hosseinipoor and Mirhamed Mirmozafari},
journal= {arXiv preprint arXiv:2502.05315},
year = {2025}
}