无线电信号的深度迁移聚类
信号处理
2021-07-27 v1
摘要
调制识别是无线电信号处理中的一项重要任务。当前大多数研究聚焦于监督学习。然而，在许多真实场景中，获取信号标签困难且代价高昂。在本文中，我们转向更具挑战性的问题：我们能否仅基于大量无标签无线电信号对调制类型进行聚类？若此问题得以解决，我们便可通过人工标注极少数样本来识别调制类型。为回答该问题，我们提出一种深度迁移聚类（DTC）模型。DTC自然地将特征学习与深度聚类相整合，并进一步采用迁移学习机制以提升嵌入式卷积神经网络（CNN）模型的特征提取能力。实验验证我们的DTC显著优于若干基线方法，在无线电信号聚类用于调制识别上取得了SOTA性能。
引用
@article{arxiv.2107.12237,
title = {Deep Transfer Clustering of Radio Signals},
author = {Qi Xuan and Xiaohui Li and Zhuangzhi Chen and Dongwei Xu and Shilian Zheng and Xiaoniu Yang},
journal= {arXiv preprint arXiv:2107.12237},
year = {2021}
}