基于鲁棒损失函数的标签有噪信号调制方式识别
wf（2022）
摘要
针对现实信号调制方式标注易发生错误,即训练数据集中信号调制方式标签存在噪声情形,我们选取l1模损失函数及其推广形式作为对标签噪声具有鲁棒性的损失函数,结合深度卷积神经网络优良的自动特征提取能力,提出一种针对信号调制方式存在误判噪声的深度学习算法.该算法在训练数据集合标签噪声率达50％情形下,对信号调制方式的识别准确率依然保持较高水平.相反,对于采用通常的交叉熵作为损失函数的深度卷积神经网络,其已无法对信号调制方式进行分类识别.在公开的数据集上的数值实验表明,所提算法对于标签有噪信号调制方式识别具有较强的鲁棒性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要