混合异构信号分类网络

多模态融合准率高

该网络将序列、图像和图三种信号表示融合训练，比单输入模型分类更准，在小样本场景优势更明显。

Qiu, Kunfeng · Zheng, Shilian · Zhang, Luxin · Lou, Caiyi · 杨小牛

IEEE Transactions on Wireless Communications 2023

参数信息

分类精度提升

0

技术优势

三种输入一起用

同时从I/Q序列、图像和图三种信号表示中提取特征，单一输入模型只利用一种特征表示，DeepSIG融合多视角特征，因此分类精度更高。

少样本更好

在少样本情景下，DeepSIG相比单输入方法的性能增益更大，意味着可以用更少的标注样本达到相近的识别效果。

应用场景

• 无线电信号调制识别：融合多模态特征，提升调制方式识别的准确率，少样本也能用。
• 通信信号监测：更高的识别精度帮助更准确地监测和识别通信信号。
• 边缘计算：少样本场景下增益更大，适合边缘设备上数据有限的情况。