自监督对齐增强网络

失衡数据准确分类

通过自监督对齐与自适应融合，在各类不平衡条件下大幅提升少数类调制识别精度。

Zhang, Ziwei · 李云杰 · Zhu, Mengtao · 王沙飞

IEEE Internet of Things Journal 2025

技术优势

少数类也能学好

通过数据增强平衡分布并增加多样性，模型不再偏向多数类，对少数类样本的识别鲁棒性增强。

增强不跑偏

自监督对齐模块保持语义一致性，避免模型被增强引入的无关变化干扰。

多数类知识不丢

自适应融合策略动态调整多数类和少数类的训练重点，在强调少数类时不破坏已学到的通用特征。

应用场景

• 雷达信号识别：在雷达信号样本不均衡时仍能准确识别各种调制类型，提升识别可靠性。
• 通信信号分析：对通信信号中少数类的识别更准，降低漏判或误判风险。
• 物联网设备信号处理：处理物联网设备产生的不均衡信号数据，提高分类准确率。
• 智能感知：在不平衡样本条件下实现智能感知中的稳健信号分类。