用于最快RF信号监视的零偏置深度神经网络
机器学习
2021-10-13 v1 人工智能
密码学与安全
信号处理
摘要
物联网（IoT）正通过允许大量RF设备通过RF信道连接并共享信息来重塑现代社会。然而，这种开放特性也给监视带来障碍。为缓解此问题，监视预言机或认知通信实体需要实时识别并确认已知或未知信号源的出现。本文提供一种用于RF信号监视的深度学习框架。具体而言，我们联合集成深度神经网络（DNN）与最快检测（QD）以形成序贯信号监视方案。我们首先分析神经网络分类模型的潜空间特性，然后利用DNN分类器的响应特性，提出一种将现有DNN分类器转化为性能有保障的二元异常检测器的新方法。以此方式，我们将DNN与参数化最快检测无缝集成。最后，我们提出一种具有更好数值稳定性的增强弹性权重巩固（EWC）算法，用于信号监视系统中的DNN增量演化，并证明考虑到增量学习与决策公平性，零偏置DNN优于常规DNN模型。我们使用真实信号数据集评估了所提框架，并相信该框架有助于开发可信赖的IoT生态系统。
引用
@article{arxiv.2110.05797,
title = {Zero-bias Deep Neural Network for Quickest RF Signal Surveillance},
author = {Yongxin Liu and Yingjie Chen and Jian Wang and Shuteng Niu and Dahai Liu and Houbing Song},
journal= {arXiv preprint arXiv:2110.05797},
year = {2021}
}
备注
This paper has been accepted for publication in IEEE IPCCC 2021. arXiv admin note: text overlap with arXiv:2105.15098