基于稀疏去噪自编码器的受生物学启发的无线电信号特征提取
机器学习
2016-05-18 v1 机器学习
神经与进化计算
摘要
自动调制分类 (AMC) 是现代通信系统的一项重要任务；然而，当生成每种调制的信号特征和精确模型可能未知时，它是一个具有挑战性的问题。我们提出了一种受生物学启发的新型 AMC 方法，不需要模型或手动指定的特征——从而去除了对专家先验知识的要求。我们使用正则化堆叠稀疏去噪自编码器 (SSDA) 完成此任务。我们的方法以无监督方式直接从原始同相/正交 (I/Q) 无线电信号中选择高效分类特征。这些特征随后被用于构建可用于自动调制分类的更高复杂度的抽象特征。我们使用由软件定义无线电生成的数据集演示此过程，该数据集由编码在各种常见数字无线电调制的 100 样本段中的随机输入比特组成。我们的结果显示在 6 类分类测试中，在 7.5 dB 信噪比 (SNR) 下正确分类率 > 99%，在 0 dB SNR 下 > 92%。我们的实验展示了一种全新的且广泛适用的机制，用于在不需要专家定义或调制特定信号信息的情况下执行 AMC 及相关任务。
引用
@article{arxiv.1605.05239,
title = {Biologically Inspired Radio Signal Feature Extraction with Sparse Denoising Autoencoders},
author = {Benjamin Migliori and Riley Zeller-Townson and Daniel Grady and Daniel Gebhardt},
journal= {arXiv preprint arXiv:1605.05239},
year = {2016}
}