.png){kind=icon}
返回
Enhancing Automatic Modulation Recognition for IoT Applications Using Transformers
.png){kind=icon}
OA
AI
DOI：10.3390/iot5020011.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动调制识别（AMR）对于准确识别入射信号中的调制类型至关重要，这是优化物联网（IoT）生态系统边缘设备运行的关键任务。本文提出了一种创新方法，利用最初为自然语言处理设计的Transformer网络来解决高效AMR的挑战。我们的Transformer网络架构旨在满足物联网设备上的实时边缘计算需求。提出了并探索了四种标记化技术，用于创建射频（RF）信号的适当嵌入，特别关注克服与模型尺寸相关的限制，这些限制在物联网场景中常被遇到。广泛的实验表明，我们提出的方法优于先进的深度学习技术，实现了最高的识别精度。值得注意的是，我们的模型在RML2016数据集上达到65.75%的精度，在CSPB.ML.2018+数据集上达到65.80%。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息