用于训练无线协议紧凑型深度学习射频分类器的自编码器
网络与互联网体系结构
2019-04-29 v1 机器学习
信号处理
机器学习
摘要
我们表明，使用多层去噪自编码器（AEs）层级结构训练用于分类无线协议的紧凑全连接（FC）深度学习网络，优于以典型方式训练的参考 FC 网络，即通过对给定 FC 架构进行基于随机梯度的优化训练。这种 FC 网络以可训练参数数量和标量乘法衡量的复杂度远低于参考 FC 与残差模型，且其准确率在几乎所有被测 SNR 值（0 dB 至 50 dB）上也优于这两种模型。此类 AE 训练的网络适用于简单移动设备基于含噪信号测量进行的现场协议推断。训练基于真实设备发送并在受控环境中采集的数据，并通过基于策略的数据合成过程系统性增强，即向信号添加无线接收机中常见的任意子集损伤。
引用
@article{arxiv.1904.11874,
title = {AutoEncoders for Training Compact Deep Learning RF Classifiers for Wireless Protocols},
author = {Silvija Kokalj-Filipovic and Rob Miller and Joshua Morman},
journal= {arXiv preprint arXiv:1904.11874},
year = {2019}
}