用于深度调制分类的集成包装器子采样

接收无线信号的子采样对于放宽硬件要求以及降低依赖输出样本的信号处理算法的计算成本十分重要。我们提出一种子采样技术，以促进深度学习在无线通信系统自动调制分类中的应用。不同于依赖仅基于专家知识的预设计策略的传统方法，所提数据驱动子采样策略采用深度神经网络架构来模拟从每个训练输入向量中移除候选样本组合的影响，其方式受包装器特征选择模型工作机理启发。子采样数据随后由另一深度学习分类器处理，该分类器识别所考虑的10种调制类型。我们展示所提子采样策略不仅大幅减少分类器训练时间，还能将分类准确率提升至该数据集上此前未达到的更高水平。本文一个重要特征是利用深度神经网络的迁移性避免重新训练包装器模型，并通过包装器集成获得优于单独依赖任一包装器的性能。