.png){kind=icon}
返回
A Confidence-Aware Semi-Supervised Learning Framework for Automatic Modulation Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/tcomm.2026.3729736.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于置信度感知的半监督学习框架用于自动调制识别，该框架采用两阶段方法：首先通过基于时间扭曲的数据增强策略和对比学习提取通用特征；其次利用自适应阈值机制生成高质量伪标签并借助类别级信息缓解确认偏差。为提升计算效率与性能，设计了基于金字塔可学习滤波器的编码器以捕捉多尺度特征，相较于自注意力编码器变体将推理时间缩短约一半。仿真结果显示，在四种公开数据集上取得显著性能提升，在标签稀缺场景下平均准确率较现有最优方法提高20.43%，在低信噪比（如0 dB）条件下最高提升38.64%，表明该框架在复杂环境下的实际应用潜力。
Keyword:
Automatic modulation recognition
deep learning
semi-supervised learning
contrastive learning
pyramid learnable filter
期刊
IF:
8.3
论文数:
1.2W
被引数:
3.6W
机构
查看更多机构
引用论文
暂无论文信息