A Semi-Supervised Prototype Contrastive Learning Framework for Unknown Specific Emitter Identification

Zhisheng Tan

doi:10.1109/lwc.2026.3740799

A Semi-Supervised Prototype Contrastive Learning Framework for Unknown Specific Emitter Identification

2026-10-06

0

PRE

AI

DOI：10.1109/lwc.2026.3740799

原文链接

原文求助

摘要

En 中文

在开放场景中，未标记样本可能属于已知和未知类别。因此，一种实用的特定发射机识别（SEI）方法应能够从此类未标记数据中发现新类别。为此，我们提出了一种半监督原型对比学习框架，称为SemiPC，它在一个统一的潜在空间中联合建模已知和新型类别，以平衡它们之间的性能。实验结果表明，SemiPC在WiSig数据集上实现了97.91%的总准确率和96.99%的新型类别准确率，优于现有方法。

Keyword:

Specific emitter identification

generalized category discovery

semi-supervised learning

deep learning

A Semi-Supervised Prototype Contrastive Learning Framework for Unknown Specific Emitter Identification

摘要

期刊

机构

引用论文