-
题名基于互信息增强的信号识别小样本学习方法
- 1
-
-
作者
宣琦
陈芝昊
陈壮志
徐东伟
-
机构
浙江工业大学信息工程学院
-
出处
《浙江工业大学学报》
北大核心
2025年第6期623-635,共13页
-
基金
国家自然科学基金资助项目(62301492,U21B2001,2022C01018)。
-
文摘
近年来,深度学习模型不断被提出,其在大量模式识别的任务上取得了优越的性能。然而模型性能的优越性大多依赖于大量的标注数据,在电磁通信领域存在样本标注困难和数据低质少量的问题,传统的方法很难达到理想的分类效果。基于此,提出了一种基于互信息增强的信号识别小样本学习框架。首先,通过自监督学习在无标记样本上进行预训练得到性能良好的骨干网络,提取有用的特征表示;然后,通过有标记样本对分类层进行微调,获得良好的分类效果,在自监督学习阶段,通过构建粗粒度与细粒度损失,增加了与下游任务的互信息,提高了模型的表示能力和泛化能力;最后,为了验证笔者方法的有效性,在两个公开的电磁数据集上进行了包括微调、线性评估、聚类分析以及输出特征可视化等实验,实验结果表明:笔者方法在各类下游任务中具有更优的性能表现,为解决信号识别的小样本学习问题提供参考。
-
关键词
信号识别
自监督学习
调制分类
互信息
-
Keywords
signal recognition
self-supervised learning
modulation classification
mutual information
-
分类号
TN911.3
[电子电信—通信与信息系统]
-
