-
题名基于异构联邦学习的自动调制分类研究
- 1
-
-
作者
董颖
翟若彤
王保松
荣珍
申梓孚
-
机构
吉林大学通信工程学院
北京汽车研究总院有限公司
吉林省信息化建设促进中心
-
出处
《无线电工程》
2025年第12期2418-2430,共13页
-
基金
吉林省科技发展计划项目(20230201016GX)。
-
文摘
自动调制分类(Automatic Modulation Classification,AMC)是发展无线电监测过程中不可缺少的技术,可以根据接收到的无线电信号自动识别信号的调制方式。在无线电监测的分布式计算中,面对边缘设备的数据隐私和数据分布不均匀的情况,提出了一种基于联邦学习(Federated Learning,FL)和MCformer的AMC算法。搭建了基于MCformer网络的异构FL框架——FL-MCformer。MCformer网络主要包括卷积层和Transformer编码器层,可以捕捉信号的局部特征和全局关系,适合处理更为复杂的无线电信号。由于现实的无线电监测场景中采集到的信号可能存在信号丢失、遮挡以及数据量庞大等情况,提出了对IQ信号样本进行旋转、翻转以及随机擦除的数据增强方法,在增加信号样本多样性的同时,提高FL-MCformer的分类性能。针对数据异质性问题,使用FedProx算法进行优化。仿真实验表明,该方法在RML2016.10A数据集中的分类准确率可达84.80%。相较于其他方法,该方法在模型复杂度和通信开销方面具有明显优势,展现了更为稳定的收敛性,具有广泛的应用前景。
-
关键词
自动调制分类
异构联邦学习
mcformer网络
数据增强
FedProx算法
-
Keywords
AMC
heterogeneous FL
mcformer network
data augmentation
FedProx algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN957.52
[电子电信—信号与信息处理]
-
