KGAMC：一种新颖的知识图谱驱动自动调制分类方案
信号处理
2024-03-04 v2
摘要
自动调制分类（AMC）是一项有前景的技术，可用于在第六代（6G）无线通信网络中实现智能无线通信。最近，许多数据与知识双驱动的 AMC 方案实现了高精度。然而，这些方案大多专注于生成盲信号的额外先验知识或特征，这不仅消耗更长的计算时间，而且忽略了模型学习过程的可解释性。为了解决这些问题，我们提出了一种新颖的知识图谱（KG）驱动的 AMC（KGAMC）方案，通过在领域知识的指导下训练网络来实现。构建了一个包含调制技术特征和应用场景知识的调制知识图谱（MKG），并设计了一个关系图卷积网络（RGCN）来提取 MKG 的知识。通过实施专门的特征聚合方法，利用该知识促进面向数据的模型的信号特征分离。仿真结果表明，与其他基准方案相比，KGAMC 实现了更优越的分类性能，特别是在低信噪比（SNR）范围内。此外，高阶调制的信号特征更具判别性，从而减少了相似信号之间的混淆。
引用
@article{arxiv.2402.19188,
title = {KGAMC: A Novel Knowledge Graph Driven Automatic Modulation Classification Scheme},
author = {Yike Li and Lu Yua and Fuhui Zhou and Qihui Wu and Naofal Al-Dhahir and Kai-Kit Wong},
journal= {arXiv preprint arXiv:2402.19188},
year = {2024}
}