一种改进自编码器的半监督调制识别方法

摘要

自动调制识别是无线通信领域的一项重要技术，现有方法大多采用监督学习的方法，难以实现对海量无标签样本的调制识别.为了削弱对样本标签的依赖性，本文提出一种改进自编码器的无监督特征学习方法，即残差卷积自编码器(Residual Convolutional Autoencoder, RCAE),在自编码器中引入残差学习可以减少早期关键特征的丢失，并提高模型在无监督学习阶段的收敛能力，降低训练难度，RCAE的编码器充当特征提取器从原始调制信号中学习有效特征，并与分类器进行联合设计实现半监督条件下的信号调制识别.本文所提方法在公开数据集RML2016.10a上进行模拟训练和验证，实验结果表明，在信噪比为0dB和18dB时识别精度分别能达到89.98%和93.1%.

关键词

调制识别 / 半监督学习 / 卷积自编码器 / 残差学习

基金资助

国家自然科学基金项目(U22A2006)资助; 重庆市自然科学基金项目(cstc2021ycjh-bgzxm0072,CSTB2023NS CQ-LZX0082)资助