SOAMC: A Semi-Supervised Open Set RecognitionAlgorithm for Automatic Modulation Classification

doi:10.20944/preprints202409.2099.v1

SOAMC: A Semi-Supervised Open Set RecognitionAlgorithm for Automatic Modulation Classification

2024-09-26

0

OA

AI

DOI：10.20944/preprints202409.2099.v1

原文链接

原文求助

摘要

En 中文

摘要—传统自动调制分类方法基于闭集假设运行，但由于无线技术的多样性和无线传播环境的动态特性，这种假设在实际场景中已被证明是不切实际的。开集环境引入了显著的技术挑战，尤其是在检测有效性和计算复杂度方面。为解决开集场景下调制分类与识别的局限性，本文提出了一种半监督开集识别方法，即SOAMC（半监督开集自动调制分类）。SOAMC的主要目标是准确分类未知调制类型，即使只有少量样本被手动标注。所提出的方法包含三个关键阶段：（1）利用数据增强和自适应技术构建信号识别预训练模型，以增强鲁棒性；（2）通过专用提取网络执行特征提取和嵌入；（3）使用图卷积神经网络（GCN）执行标签传播，以高效标注未标注信号样本。实验结果表明，SOAMC显著提高了分类精度，尤其是在标注数据有限且信号相似度高的挑战性场景中。这些发现对于在实际无线通信系统中识别复杂多样的调制信号具有重要价值。

SOAMC: A Semi-Supervised Open Set RecognitionAlgorithm for Automatic Modulation Classification

摘要

期刊

机构

引用论文