基于主动学习与机器学习的调制及信号分类标注方法
信号处理
2022-03-01 v1 机器学习
摘要
机器学习（ML）中的监督学习需要带标签的数据集。此外，实时数据分类需要一种易于获取的标注方法。无线调制与信号分类在军事、商业、电子侦察和认知无线电等诸多领域有应用。本文主要旨在用主动学习框架解决实时无线调制与信号分类标注问题。进一步使用 KNN、SVM、朴素贝叶斯等机器学习算法进行调制与信号分类。主动学习以最少训练样本量标注属于不同类别的数据点。主动学习算法对 SNR 18 dB 信号获得 86% 的准确率。此外，基于 KNN 的调制与信号分类模型在较宽 SNR 范围内表现良好，对 18 dB 信号获得 99.8% 的准确率。本工作的新颖性在于将主动学习应用于无线调制与信号分类标注。借助从数据样本形成的耦对，可同时标注调制与信号类别。
引用
@article{arxiv.2202.12930,
title = {Modulation and signal class labelling using active learning and classification using machine learning},
author = {Bhargava B C and Ankush Deshmukh and A V Narasimhadhan},
journal= {arXiv preprint arXiv:2202.12930},
year = {2022}
}