.png){kind=icon}
返回
Explainable Deep Kernel Learning for Interpretable Automatic Modulation Classification
.png){kind=icon}
OA
AI
DOI：10.3390/computers14090372.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代无线通信系统日益依赖自动调制分类（AMC）以提高可靠性和适应性，尤其是在信号严重退化的情况下。然而，尽管受深度学习驱动取得了显著进展，许多AMC模型仍面临计算开销大、低信噪比条件下性能欠佳以及可解释性有限等问题，这些因素阻碍了它们在实时、资源受限环境中的部署。为解决这些挑战，我们提出了卷积随机傅里叶特征与去噪阈值网络（CRFFDT-Net），这是一种紧凑且可解释的深度核架构，集成了卷积随机傅里叶特征（CRFFSinCos）、基于自动阈值的去噪模块以及由CNN和GRU层组成的混合时域特征提取器。我们的方法在RadioML 2016.10A基准数据集上得到验证，该数据集涵盖11种调制类型，覆盖广泛的信噪比（SNR）范围。实验结果表明，CRFFDT-Net在分类准确率方面与当前最优模型统计相当，同时所需参数显著更少，推理延迟更低，这体现了卓越的准确率-复杂度权衡。此外，使用GradCAM++的可解释性分析突显了卷积随机傅里叶特征在表示学习过程中的关键作用，为模型的决策过程提供了有价值的见解。这些结果强调了CRFFDT-Net作为轻量级且可解释的解决方案，在现实世界低功耗通信系统中的AMC应用前景。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
C
IF:
4.2
论文数:
1.4K
被引数:
3.3K
机构
暂无机构信息
引用论文
MobileRaT: A Lightweight Radio Transformer Method for Automatic Modulation Classification in Drone Communication SystemsMobileRaT: 一种用于无人机通信系统中自动调制分类的轻量级无线电变压器方法.png)
DRONES
OAAI
DRONESIF4.8
OAAI分享收藏Chahil, S.T.H.; Zakwan, M.; Khan, K.; Fazil, A. Performance analysis of different signal representations and optimizers for CNN based automatic modulation classification. Wireless Personal Commun. 2024, 139, 2503–2528. [Google Scholar] [CrossRef]Chahil, S.T.H.; Zakwan, M.; Khan, K.; Fazil, A. 不同信号表示和优化器在基于CNN的自动调制分类中的性能分析。Wireless Personal Commun. 2024, 139, 2503–2528. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Wireless Signal Representation Techniques for Automatic Modulation Classification用于自动调制分类的无线信号表示技术IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Lu, X.; Wang, R.; Zhang, H.; Zhou, J.; Yun, T. PosE-Enhanced Point Transformer with Local Surface Features (LSF) for Wood–Leaf Separation. Forests 2024, 15, 2244. [Google Scholar] [CrossRef]Lu, X.; Wang, R.; Zhang, H.; Zhou, J.; Yun, T. 基于 PosE 增强的点 Transformer 与局部表面特征（LSF）的木-叶分离方法. Forests 2024, 15, 2244. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Deep Learning-Based Automatic Modulation Classification Over MIMO Keyhole ChannelsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Tackling Few-Shot Challenges in Automatic Modulation Recognition: A Multi-Level Comparative Relation Network Combining Class Reconstruction Strategy解决自动调制识别中的少数挑战: 结合类重构策略的多级比较关系网络SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Di, C.; Ji, J.; Sun, C.; Liang, L. SOAMC: A Semi-Supervised Open-Set Recognition Algorithm for Automatic Modulation Classification. Electronics 2024, 13, 4196. [Google Scholar] [CrossRef]Di, C.; Ji, J.; Sun, C.; Liang, L. SOAMC：一种用于自动调制分类的半监督开放集识别算法。Electronics 2024, 13, 4196. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容