混合信号：基于深度学习的调制识别数据增强方法
信号处理
2024-10-30 v2 机器学习
摘要
随着深度学习的快速发展，自动调制识别（AMR）作为认知无线电中的重要任务，已逐渐从传统的特征提取与分类转向利用深度学习技术进行自动分类。然而，深度学习模型是数据驱动的方法，通常需要大量数据作为训练支撑。数据增强作为一种扩展数据集的策略，能够提高深度学习模型的泛化能力，从而在一定程度上提升模型的准确率。本文针对无线电信号的AMR，提出了一种基于混合信号的数据增强策略，并考虑了四种具体方法（随机混合、最大相似度混合、相似度混合和n次随机混合）来实现数据增强。实验表明，我们提出的方法在公开数据集RML2016.10a上能够提高基于深度学习的AMR模型的分类准确率。特别是在单一信噪比信号集的情况下，分类准确率得到了显著提升，验证了这些方法的有效性。
引用
@article{arxiv.2204.03737,
title = {Mixing Signals: Data Augmentation Approach for Deep Learning Based Modulation Recognition},
author = {Xinjie Xu and Zhuangzhi Chen and Dongwei Xu and Huaji Zhou and Shanqing Yu and Shilian Zheng and Qi Xuan and Xiaoniu Yang},
journal= {arXiv preprint arXiv:2204.03737},
year = {2024}
}
备注
The experiments in the paper are incomplete