基于深度神经网络的自动调制分类
机器学习
2023-01-30 v1
摘要
自动调制分类是许多现代软件定义无线电所期望的特性。近年来，已提出若干卷积深度学习架构用于自动分类观测信号突发所采用的调制方式。然而，对这些不同架构及各个设计要素重要性的综合分析尚未开展。因此，这些卷积神经网络的不同设计可能具有何种权衡并不清晰。在本研究中，我们调研了用于自动调制分类的众多架构，并开展全面消融研究以考察超参数与设计要素变化对自动调制分类性能的影响。我们表明，使用所研究设计要素的一个子集可达成新的 SOTA 性能。特别地，我们展示膨胀卷积、统计池化与挤压-激励单元的组合产生了性能最强的分类器。我们进一步依据其他各类准则（包括短信号突发、常见误分类，以及跨不同调制类别与模式的性能）考察了这一最佳模型。
引用
@article{arxiv.2301.11773,
title = {Automatic Modulation Classification with Deep Neural Networks},
author = {Clayton Harper and Mitchell Thornton and Eric Larson},
journal= {arXiv preprint arXiv:2301.11773},
year = {2023}
}