针对有标签通信辐射源信号样本数目较少造成的个体识别准确率较低的问题,提出了Tri-net半监督辐射源个体识别方法,介绍了协同训练中多视图学习的概念和基本思想。在Tri-net深度模型的算法过程中采用加权平均的伪标签轮次赋值方式,并设...针对有标签通信辐射源信号样本数目较少造成的个体识别准确率较低的问题,提出了Tri-net半监督辐射源个体识别方法,介绍了协同训练中多视图学习的概念和基本思想。在Tri-net深度模型的算法过程中采用加权平均的伪标签轮次赋值方式,并设计出适合实采通用软件无线电外设(Universal Software Radio Peripheral,USRP)辐射源信号样本的神经网络结构。在测试集上验证方法的识别准确率,实验结果表明,相比于全监督方法、单一的伪标签半监督方法和原始的Tri-net半监督方法,添加轮次标签的Tri-net的半监督方法具有更高的识别准确率。展开更多
文摘针对有标签通信辐射源信号样本数目较少造成的个体识别准确率较低的问题,提出了Tri-net半监督辐射源个体识别方法,介绍了协同训练中多视图学习的概念和基本思想。在Tri-net深度模型的算法过程中采用加权平均的伪标签轮次赋值方式,并设计出适合实采通用软件无线电外设(Universal Software Radio Peripheral,USRP)辐射源信号样本的神经网络结构。在测试集上验证方法的识别准确率,实验结果表明,相比于全监督方法、单一的伪标签半监督方法和原始的Tri-net半监督方法,添加轮次标签的Tri-net的半监督方法具有更高的识别准确率。