.png){kind=icon}
返回
A Geometric Feature Space Learning Method for Automatic Modulation Open-Set Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/lwc.2026.3734033.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动调制开放集识别（AMOSR）旨在正确分类已知信号，同时可靠地拒绝未知信号。然而，现有方法在特征空间中常因几何约束不足和对未知区域的建模不充分，导致已知信号的分类精度下降以及未知信号的拒绝能力受限。为此，本文提出了一种用于AMOSR的几何特征空间学习方法。具体而言，我们引入多视角专家表示模块以丰富表示学习的判别信息。随后，开发了一种排斥与吸引点协同学习模块，用于对类内和类间分布施加几何约束，同时为未知信号保留开放空间。此外，我们设计了伪未知流形构造策略，通过流形混合生成合成样本，以塑造未知区域，而无需真实未知信号监督。在RadioML 2016.10A数据集上的实验结果表明，所提方法在多个方面优于代表性基线方法。
Keyword:
Automatic modulation recognition
open-set recognition
geometric constraint
manifold mixup
