多表示域 专注的对比学习 基于无监督的自动调制识别 多表示域 专注的对比学习 基于无监督的自动调制识别

科学领域:

• 电气工程 电气工程
• 计算机科学 计算机科学
• 信号处理 信号处理

背景情况:

• 由于5G/6G无线技术的进步和用户的增长,无线频谱拥堵正在增加.
• 自动调制识别 (AMR) 对于认知无线电中的频谱传感至关重要,但通常需要使用广泛的标记数据进行监督学习,这是很难获得的.
• 现有的方法在获得可靠的标签时面临着挑战,用于监督的AMR.

研究的目的:

• 提出一个无监督的AMR框架,消除了对标记数据的需求.
• 使用跨域对比学习从未标记的数据中提取高质量的信号特征.
• 提高AMR在动态无线环境中的适应性和性能.

主要方法:

• 开发了一个多表示域专注对比学习框架.
• 采用域间和域内对比学习来改善跨不同信号表示的特征提取.
• 集成了一个域关注模块,用于动态选择特征表示域.

主要成果:

• 拟议的无监督方法在公共数据集上与现有的抗药性反应技术相比,实现了更高的性能.
• 该框架在从未标记的数据中提取高质量的信号特征方面表现出有效性.
• 该方法表现出适应性,可以扩展到各种表示领域.

结论:

• 这项研究在无人监督的无线电信号处理学习方面取得了重大进展.
• 拟议的框架有效地弥合了AMR无监督和监督学习之间的差距.
• 这项工作通过改善频谱传感能力,为物联网和认知无线电技术的发展做出了贡献.