典型文献
基于迁移学习的小样本OFDM目标增强识别方法
文献摘要：
在非合作场景所导致的小样本条件下,稳健提取通信辐射源目标特征并准确识别目标是当前研究的难点和热点.针对正交频分复用通信辐射源的小样本个体识别问题,文章在相位域、时域翻转的数据增强和源领域实例迁移的基础上,提出一种非合作通信辐射源个体识别方法.采用不同域翻转的数据增强方法扩充数据集,结合改进的残差网络,达到提高正交频分复用通信辐射源个体识别准确率的目的,并引入迁移学习以增强识别模型的泛化能力.实验结果表明:数据增强策略提升了小样本下的正交频分复用通信辐射源个体识别准确率,迁移学习方法的引入加快了模型的收敛速度,小幅度提高模型识别准确率并提升了鲁棒性.
文献关键词：
正交频分复用;小样本识别;数据增强;迁移学习;深度学习;目标识别
中图分类号：
作者姓名：
唐泽宇;邹小虎;李鹏飞;张伟;余佳奇;赵耀东
作者机构：
电子信息控制重点实验室,成都610036;电子科技大学信息与通信工程学院,成都611731;北京理工大学计算机学院,北京100091
文献出处：
引用格式：
[1]唐泽宇;邹小虎;李鹏飞;张伟;余佳奇;赵耀东-.基于迁移学习的小样本OFDM目标增强识别方法)[J].上海交通大学学报,2022(12):1666-1674
A类：
B类：
OFDM,目标增强,样本条件,通信辐射源,目标特征,准确识别,正交频分复用,复用通信,相位域,源领域,辐射源个体识别,增强方法,充数,残差网络,识别准确率,识别模型,泛化能力,数据增强策略,策略提升,迁移学习方法,收敛速度,小幅度,模型识别,小样本识别,目标识别
AB值：
0.266151
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
