典型文献
基于生成对抗网络的数据增强方法及应用
文献摘要：
对于小样本电磁信号识别,数据增强是一种最为直观的对策.利用生成对抗网络(GAN)产生虚假信号样本,设计粗粒度和细粒度筛选机制对生成信号进行筛选,剔除质量较差的生成信号,实现训练样本集的有效扩充.为验证所提数据增强算法的有效性,在RADIOML 2016.04C数据集上进行测试.实验结果表明,本文所提方法对小样本电磁信号识别准确率有较好的提升效果.
文献关键词：
电磁信号识别;小样本;生成对抗网络;数据增强;筛选机制
中图分类号：
作者姓名：
周华吉;焦李成;徐杰;沈伟国;王巍;楼财义
作者机构：
西安电子科技大学 人工智能学院,陕西 西安 710071;通信信息控制和安全技术重点实验室,浙江 嘉兴 314033
文献出处：
引用格式：
[1]周华吉;焦李成;徐杰;沈伟国;王巍;楼财义-.基于生成对抗网络的数据增强方法及应用)[J].太赫兹科学与电子信息学报,2022(12):1249-1256
A类：
RADIOML
B类：
生成对抗网络,数据增强,增强方法,方法及应用,小样本,电磁信号识别,GAN,假信号,粗粒度,细粒度,筛选机制,训练样本集,增强算法,04C,识别准确率,提升效果
AB值：
0.25645
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。
