深度神经网络轻量化:面向Beyond 5G网络的自动射频调制识别深度压缩技术案例研究
机器学习
2022-04-12 v1
摘要
自动射频调制识别是一种主要的信号情报(SIGINT)技术,作为Beyond 5G及军事网络的物理层认证赋能器和自动化信号处理方案。大多数现有工作依赖于采用深度神经网络架构来实现射频调制识别。深度压缩在无线领域尤其是自动射频调制分类中的应用仍处于起步阶段。轻量级神经网络是在资源受限平台上维持边缘计算能力的关键。在本信中,我们深入审视了最先进的深度压缩与加速技术,重点面向Beyond 5G网络的边缘部署。最后,我们作为案例研究对代表性加速方法在自动雷达调制分类上进行了广泛分析,并从计算指标角度对其评估。
引用
@article{arxiv.2204.04390,
title = {Deep neural network goes lighter: A case study of deep compression techniques on automatic RF modulation recognition for Beyond 5G networks},
author = {Anu Jagannath and Jithin Jagannath and Yanzhi Wang and Tommaso Melodia},
journal= {arXiv preprint arXiv:2204.04390},
year = {2022}
}
备注
To appear in the Proceedings of SPIE Defense + Commercial Sensing