107 / 2021-09-10 20:19:22

基于RE-GAN的调制信号开集识别算法

数据重建；极值理论；生成式对抗网络；开集识别；激活矢量

为解决轻量化模型下调制信号开集识别准确率不高的问题，本文设计一种数据重建和极值理论生成对抗网络模型，模型包含一对相互对抗的网络：重建网络和判别网络。首先，重建网络利用自编码器对信号进行压缩重建，将高维度数据压缩为低维表达；然后，判别网络对压缩后的数据进行特征提取并建立各类数据的激活矢量集用以拟合极值分布，最后通过极值理论求出已知和未知调制方式信号的概率。仿真实验表明，该模型显著降低了算法复杂度，不仅能对已知调制方式的信号进行充分学习和表达，还能干扰未知调制方式的信号，在信噪比大于0dB时，针对8种已知调制方式和2种未知调制方式信号的识别准确率均达到93%。