基于元学习的小样本调制识别算法
庞伊琼
许华
蒋磊
史蕴豪
空军工程大学信息与导航学院,西安,710077
摘要：针对基于深度学习的调制识别算法对带标签样本需求量过大的问题,采用基于元学习思想的多任务训练策略,通过大量不同的任务训练网络来获取一种跨任务的信号识别能力,使得网络在面对新信号类别时仅需少量样本就能快速适应.为更全面地提取信号样本的特征,设计了一种由卷积神经网络和长短时记忆网络并联组成的混合特征并行网络,通过度量样本特征向量间距离的方式完成识别任务;并引入可同时考虑信号类内与类间距离的联合损失函数,以使信号样本特征在度量空间内的分布能更加紧凑,从而实现更高效的相似性比对.实验结果表明,该算法在仅有5个带标签信号样本条件下最高可达到88.43％的识别准确率.
关键词：调制识别元学习小样本联合损失函数
分类号：TN975(电子对抗（干扰及抗干扰）)
资助基金：国家自然科学基金(61906156)
论文发表日期：2022-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 77-82,89 )
英文信息