面向无线频谱数据的深度特征学习
信号处理
2025-08-04 v1 人工智能
机器学习
摘要
近年来，用于训练机器学习模型的传统特征工程过程正被集成于深度学习架构中的特征提取层所自动化。在无线网络中，许多研究针对领域相关挑战的自动特征表示学习展开。然而，现有工作大多通过在训练过程中使用标签优化模型而假设了某种监督。本文中，我们研究一种完全无监督方式下学习无线传输聚类特征表示的方法，即过程中无需标签。我们提出一种基于卷积神经网络的模型，自动学习输入数据的降维表示，与基线主成分分析（PCA）相比组件减少 99.3%。我们表明，该自动表示学习能提取包含无线传输突发形状的细粒度簇，而基线仅能基于背景噪声实现数据的粗略可分性。
引用
@article{arxiv.2308.03530,
title = {Deep Feature Learning for Wireless Spectrum Data},
author = {Ljupcho Milosheski and Gregor Cerar and Blaž Bertalanič and Carolina Fortuna and Mihael Mohorčič},
journal= {arXiv preprint arXiv:2308.03530},
year = {2025}
}