小样本条件下的数字通信信号调制识别研究

发布时间：2021-01-16 14:44

　　在现今的通信中,接收信号样本不完全会造成数据的缺失,给数字信号的识别带来困难。因此小样本条件下的数字通信信号调制识别研究具有重大意义。生成式对抗网络（GAN）作为一种拟合生成数据的热门方法备受关注。在原始GAN的基础上将深度卷积对抗网络用于条件生成式对抗网络,实现小样本数据的扩充和识别。实验仿真结果表明,所提出的方法可以有效地生成数据并进行分类识别。此外与相关算法的比较,验证了算法的可行性。 

【文章来源】：通信技术. 2020,53(11)

【文章页数】：6 页

【部分图文】：

GAN结构图

c GAN结构示意

CDCGAN结构示意

【参考文献】：
期刊论文
[1]小样本条件下基于数据增强和WACGAN的雷达目标识别算法[J]. 朱克凡,王杰贵,刘有军.  电子学报. 2020(06)
[2]生成式对抗网络的应用综述[J]. 叶晨,关玮.  同济大学学报(自然科学版). 2020(04)
[3]基于k-最近邻图的小样本KNN分类算法[J]. 刘应东,牛惠民.  计算机工程. 2011(09)
[4]改进的认知无线电频谱共享博弈模型[J]. 黄丽亚,刘臣,王锁萍.  通信学报. 2010(02)
[5]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)

硕士论文
[1]基于高维小样本数据和类别不平衡数据的反距离加权支持向量机[D]. 徐新红.山东大学 2020



本文编号：2981013