高性能和泛化性的调制识别应用中的新型非线性神经网络层
摘要：使用自定义的神经网络（NN）层对数字调制信号进行无监督分类，其中包括了I/Q分量。自定义神经网络（CAP）的层受到了周期稳态信号处理（CSP）技术的启发，并实现了类似于传统基于CSP的盲调制分类和信号识别方法中的循环累积量（CC）特征计算的特征提取能力。通过使用包含相似的数字调制信号类别但是独立生成的两个不同数据集来测试所提出的CAP的分类性能和泛化能力，实验结果表明，使用新型神经网络特征提取层的CAP能够实现较高的分类准确性，并且在分类准确性和泛化能力方面优于其他基于深度学习（DL）的信号分类方法。
作者：John A. Snoap, Dimitrie C. Popescu, Chad M. Spooner
论文ID：2308.06886
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-15