MLD-Net:用于自动调制识别的多层次知识蒸网络
Xihui Zhang1, Linrun Zhang2, Meng Zhang1
1Southwest China Institute of Electronic Technology, Chengdu 610036, China.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
本研究介绍了MLD-Net,这是一种用于自动调制识别 (AMR) 的轻量级深度学习模型. 它实现了最先进的性能,显著减少了智能无线系统的计算需求.
科学领域:
- 无线通信无线通信
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 自动调制识别 (AMR) 对智能无线系统至关重要.
- 针对AMR的高性能深度学习模型是计算密集的,需要大量的内存.
- 对于无线通信的边缘部署,需要有效的AMR模型.
研究的目的:
- 使用知识蒸开发一种轻量级但强大的AMR模型.
- 解决现有的深度学习AMR解决方案的计算和内存限制.
- 为了在边缘设备上有效部署先进的AMR功能.
主要方法:
- 提出了一个多层次知识蒸网络 (MLD-Net).
- 作为一名老师,利用了大型的变压器网络,作为一名学生,利用了紧的变压器网络.
- 实现跨输出,功能和注意力级别的知识传输.
主要成果:
- 在RML2016.10a数据集上,MLD-Net实现了最先进的性能.
- 该模型在各种信号噪声比率上显著优于基线模型.
- 与传统模型相比,MLD-Net需要很少的参数.
结论:
- MLD-Net有效地创建了轻量级和高效的AMR网络.
- 多层次的知识蒸策略提高了学生的模型表现.
- 拟议的方法适用于智能无线通信的边缘部署.
