基于监督深度学习的发射机分类
信号处理
2019-05-21 v1 机器学习
神经与进化计算
摘要
射频发射机中的硬件缺陷会引入可用于在多个发射机中识别特定发射机的特征。监督深度学习在该任务中表现出良好性能，但所用数据集不适用于拓扑随时间演化的真实场景。为此，本研究基于在未来物联网/认知无线电测试床 [4]（FIT/CorteXlab）中收集的一系列数据集来训练卷积神经网络（CNN），重点在于减少困扰先前工作并使其受限于恒定环境或仿真的信道偏置。最具挑战性的场景赋予训练后的神经网络以韧性，并揭示了用于识别的最佳信号类型，即数据包前导码。所生成的数据集已发布于机器学习用于通信新兴技术倡议网站 4，希望其能作为该领域未来进展的垫脚石。也邀请学界通过在 FIT/CorteXlab 中生成新数据集来复现所研究的场景与结果。
引用
@article{arxiv.1905.07923,
title = {Transmitter Classification With Supervised Deep Learning},
author = {Cyrille Morin and Leonardo Cardoso and Jakob Hoydis and Jean-Marie Gorce and Thibaud Vial},
journal= {arXiv preprint arXiv:1905.07923},
year = {2019}
}