用于雷达信号表征的多任务学习
信号处理
2024-05-01 v2 机器学习
摘要
无线电信号识别在民用和军事应用中均是一项关键任务，因为对未知信号的准确及时识别是频谱管理与电子战的重要组成部分。该领域多数研究集中于应用深度学习进行调制分类，使得信号表征任务成为研究不足的方向。本文通过将雷达信号分类与表征作为多任务学习（MTL）问题来处理，弥补了这一空白。我们在若干参考架构中提出了 IQ 信号 Transformer（IQST），可实现对多个回归与分类任务的同步优化。我们在合成雷达数据集上展示了所提 MTL 模型的性能，同时提供了首个面向雷达信号表征的基准。
引用
@article{arxiv.2306.13105,
title = {Multi-task Learning for Radar Signal Characterisation},
author = {Zi Huang and Akila Pemasiri and Simon Denman and Clinton Fookes and Terrence Martin},
journal= {arXiv preprint arXiv:2306.13105},
year = {2024}
}
备注
5 pages, 3 figures