基于深度神经网络的射频信号变换与分类
信号处理
2022-04-08 v1 机器学习
摘要
为计算机视觉和自然语言处理任务设计的深度神经网络（DNN）不能直接应用于射频（RF）数据集。为应对这一挑战，我们提出通过引入一种卷积变换技术，将原始RF数据转换为适合现成DNN的数据类型。此外，我们提出了一种简单的5层卷积神经网络架构（CONV-5），该架构可以直接处理原始RF I/Q数据而无需任何变换。进一步地，我们提出了一个名为RF1024的RF数据集，以促进未来的RF研究。RF1024包含8个不同的RF调制类别，每个类别有1000个训练样本和200个测试样本。RF1024数据集的每个样本包含1024个复数I/Q值。最后，我们在RadioML2016和RF1024数据集上进行了实验，以展示改进的分类性能。
引用
@article{arxiv.2204.03564,
title = {RF Signal Transformation and Classification using Deep Neural Networks},
author = {Umar Khalid and Nazmul Karim and Nazanin Rahnavard},
journal= {arXiv preprint arXiv:2204.03564},
year = {2022}
}
备注
Accepted in SPIE conference: Big Data IV: Learning, Analytics, and Applications