• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于多模態(tài)域?qū)股窠?jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法

    2022-01-20 02:14:02李保國(guó)杜志毅
    航天電子對(duì)抗 2021年6期
    關(guān)鍵詞:數(shù)據(jù)分布源域特征提取

    徐 強(qiáng),李保國(guó),王 翔,鄧 文,杜志毅

    (國(guó)防科技大學(xué)電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖南 長(zhǎng)沙410073)

    0 引言

    信號(hào)調(diào)制識(shí)別(MR)作為電子偵察系統(tǒng)需要完成的首要任務(wù)之一,位于信號(hào)檢測(cè)和信號(hào)解調(diào)之間,它的目的是在有限或者沒(méi)有先驗(yàn)信息的條件下,識(shí)別接收到的未知信號(hào)調(diào)制方式,為電子偵察后續(xù)工作流程中的信號(hào)解調(diào)和情報(bào)挖掘打下基礎(chǔ)[1]。傳統(tǒng)的調(diào)制識(shí)別主要使用基于最大似然和基于特征的方法,但這些方法存在難以適應(yīng)不斷發(fā)展的復(fù)雜信號(hào)調(diào)制和嚴(yán)重依賴于人工設(shè)置門限的問(wèn)題。為應(yīng)對(duì)這些問(wèn)題和挑戰(zhàn),近些年研究人員將深度學(xué)習(xí)引入非合作通信中的調(diào)制識(shí)別中,賦予信號(hào)調(diào)制方式識(shí)別技術(shù)以機(jī)器智能,深度學(xué)習(xí)的優(yōu)勢(shì)在于無(wú)需人工設(shè)計(jì)、提取信號(hào)特征,神經(jīng)網(wǎng)絡(luò)可自動(dòng)化進(jìn)行信號(hào)特征提取及信號(hào)分類,其提取到的信號(hào)特征具有更強(qiáng)的魯棒性和泛化能力。各式各樣的深度學(xué)習(xí)技術(shù),包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)、遞歸神經(jīng)網(wǎng)絡(luò)(RNN)和一些混合模型,應(yīng)用于調(diào)制識(shí)別中已顯示出優(yōu)于傳統(tǒng)方法的性能。

    本文主要是針對(duì)實(shí)際電子偵察場(chǎng)景中源域調(diào)制數(shù)據(jù)和目標(biāo)域調(diào)制數(shù)據(jù)因?yàn)榇a速率的差異而導(dǎo)致數(shù)據(jù)分布不同,預(yù)先訓(xùn)練的深度學(xué)習(xí)模型失配,智能調(diào)制識(shí)別算法性能急劇惡化且大量無(wú)標(biāo)注目標(biāo)域調(diào)制數(shù)據(jù)未被利用的問(wèn)題,利用遷移學(xué)習(xí)技術(shù)進(jìn)行知識(shí)遷移,結(jié)合無(wú)標(biāo)簽?zāi)繕?biāo)域調(diào)制數(shù)據(jù)參與訓(xùn)練,充分挖掘源域和目標(biāo)域的相關(guān)性,使得源域調(diào)制數(shù)據(jù)訓(xùn)練獲得的知識(shí)能有效地提升目標(biāo)域調(diào)制數(shù)據(jù)的性能。本文在前人研究的基礎(chǔ)上,采用一種基于多模態(tài)域?qū)股窠?jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法,在域?qū)股窠?jīng)網(wǎng)絡(luò)基礎(chǔ)上同時(shí)使用時(shí)域和頻域的多模態(tài)信息對(duì)齊源域和目標(biāo)域調(diào)制信號(hào)的數(shù)據(jù)分布,以提升調(diào)制識(shí)別算法性能,并用仿真結(jié)果驗(yàn)證識(shí)別算法的有效性。

    1 研究現(xiàn)狀分析

    目前已經(jīng)有少量的相關(guān)研究工作,文獻(xiàn)[2]表明目前的MR方法都是基于發(fā)射機(jī)技術(shù)的先驗(yàn)知識(shí)(符號(hào)持續(xù)時(shí)間、帶寬、上采樣和信號(hào)整形)和信道條件下設(shè)計(jì)的,一旦應(yīng)用于不同的信道條件/發(fā)射機(jī)特性,其識(shí)別性能將會(huì)顯著下降,因此提出空間變換網(wǎng)絡(luò)(STN)和嵌入輕量ResNeXt分類器,在只有5%有標(biāo)簽且包含20個(gè)復(fù)雜高階調(diào)制的大型數(shù)據(jù)集上提高了10%~30%的平均識(shí)別精度。同時(shí)研究了不同的信號(hào)和信道參數(shù)對(duì)調(diào)制識(shí)別系統(tǒng)的影響,并給出可能的優(yōu)化方向,使基于深度學(xué)習(xí)的方法對(duì)于看不見(jiàn)的信號(hào)形狀更加魯棒。文獻(xiàn)[3]在Deepsig公開(kāi)的實(shí)采調(diào)制信號(hào)數(shù)據(jù)集[4]上使用DANN[5]域?qū)咕W(wǎng)絡(luò)遷移高信噪比條件信號(hào)(18~30 d B)的特征輔助訓(xùn)練低信噪比條件(-6~6 dB)的信號(hào)特征,實(shí)驗(yàn)驗(yàn)證該算法是可行有效的,但隨著源域與目標(biāo)域信噪比差異過(guò)大,識(shí)別準(zhǔn)確率仍有所下降。文獻(xiàn)[6]借鑒了基于差異的域適應(yīng)技術(shù),采用VGG16提取信號(hào)小波變換后系數(shù)圖像特征并用自編碼器對(duì)高維度的特征進(jìn)行降維處理,隨后計(jì)算訓(xùn)練樣本特征與測(cè)試樣本特征之間的CORAL損失,最后聯(lián)合優(yōu)化分類損失和CORAL損失使模型達(dá)到最優(yōu)。實(shí)驗(yàn)結(jié)果表明,在信號(hào)類別存在差異或信道環(huán)境存在差異的條件下,引入域適應(yīng)技術(shù)可提高待測(cè)信號(hào)識(shí)別準(zhǔn)確率5%以上。文獻(xiàn)[7]借鑒ADDA網(wǎng)絡(luò)[8],提出了一個(gè)對(duì)抗式遷移學(xué)習(xí)架構(gòu)(ATLA)以解決采樣率不同引起的數(shù)據(jù)分布差異而導(dǎo)致的模型性能急劇惡化的問(wèn)題,用1/10的訓(xùn)練數(shù)據(jù),提升的準(zhǔn)確率高達(dá)17.3%。

    文獻(xiàn)[2]研究了與源域不同分布的目標(biāo)域有少量標(biāo)簽情況下如何提高網(wǎng)絡(luò)的泛化性和魯棒性;文獻(xiàn)[3,6-7]在開(kāi)展基于域適應(yīng)的調(diào)制識(shí)別算法研究時(shí)只考慮了信號(hào)的單模態(tài)信息(僅使用信號(hào)的單一維度特征,比如時(shí)域或者頻域信息),忽略了將信號(hào)時(shí)域和頻域的多模態(tài)信息(使用信號(hào)的多個(gè)維度特征,將時(shí)域、頻域及其他變換域信息)融合后進(jìn)行域適應(yīng)而獲得的互補(bǔ)增益[9]。為了解決這個(gè)問(wèn)題,本文提出一種基于多模態(tài)域?qū)股窠?jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法,在域?qū)股窠?jīng)網(wǎng)絡(luò)基礎(chǔ)上同時(shí)使用時(shí)域和頻域的多模態(tài)信息對(duì)齊源域和目標(biāo)域調(diào)制信號(hào)的數(shù)據(jù)分布以提升調(diào)制識(shí)別算法性能,并與文獻(xiàn)[3]中的DANN網(wǎng)絡(luò)、源域訓(xùn)練目標(biāo)域直接測(cè)試、有監(jiān)督學(xué)習(xí)進(jìn)行了性能對(duì)比。

    2 信號(hào)與識(shí)別模型

    2.1 信號(hào)模型和數(shù)據(jù)預(yù)處理

    數(shù)字調(diào)制技術(shù)允許數(shù)字低頻基帶信號(hào)在高頻載波波形上傳輸,其可以修改載波信號(hào)的不同波形特征,包括幅度(MASK)、頻率(MFSK)、相位(MPSK)以及幅度和相位的組合(MQAM、MAPSK)。在接收機(jī)處,必須結(jié)合特定的調(diào)制信號(hào)特性和經(jīng)過(guò)訓(xùn)練的分類器,將調(diào)制信號(hào)分配給最合適的調(diào)制類別。接收到的無(wú)線電信號(hào)y(t)的復(fù)包絡(luò)可以寫成:

    式中,n(t)表示加性高斯白噪聲;g(t)表示等效濾波器,具體包括成型濾波、信道濾波和匹配濾波;an表示發(fā)送端所發(fā)送的符號(hào)序列。不同的調(diào)制方式,符號(hào)序列呈現(xiàn)的樣式也不盡相同。

    本文主要考慮8種數(shù)字調(diào)制信號(hào),分別為8PSK、BPSK、CPFSK、GFSK、PAM 4、QAM 16、QAM 64和QPSK。其中數(shù)據(jù)輸入包括調(diào)制信號(hào)時(shí)域和頻域的多模態(tài)信息,仿真產(chǎn)生的復(fù)基帶信號(hào)為y(n),n=1,2,3,…,N,則I路和Q路分別為y(n)的實(shí)部和虛部:

    將I路和Q路堆疊得到時(shí)域模態(tài)F1:

    頻域模態(tài)信息通過(guò)提取信號(hào)二次方譜和四次方譜得到,二次方譜和四次方譜計(jì)算方法如下:

    2.2 遷移學(xué)習(xí)和域適應(yīng)

    遷移學(xué)習(xí)被賦予這樣一個(gè)任務(wù):從以前的任務(wù)當(dāng)中去學(xué)習(xí)知識(shí)或經(jīng)驗(yàn),并應(yīng)用于新的任務(wù)當(dāng)中。換句話說(shuō),遷移學(xué)習(xí)目的是從一個(gè)或多個(gè)源領(lǐng)域中抽取知識(shí)、經(jīng)驗(yàn),然后應(yīng)用于一個(gè)目標(biāo)領(lǐng)域當(dāng)中去。對(duì)于常規(guī)機(jī)器學(xué)習(xí)和遷移學(xué)習(xí)的差異和域適應(yīng)的定位如圖1所示,通常將遷移學(xué)習(xí)技術(shù)分為三類:歸納式(inductive)、直推式(transductive)和無(wú)監(jiān)督(unsupervised)。歸納式遷移學(xué)習(xí)針對(duì)的是源域和目標(biāo)域數(shù)據(jù)分布相同,源域和目標(biāo)域的任務(wù)不同的情況。直推式遷移學(xué)習(xí)針對(duì)的是源域和目標(biāo)域數(shù)據(jù)分布不同,源域和目標(biāo)域的任務(wù)相同的情況。無(wú)監(jiān)督遷移學(xué)習(xí)針對(duì)的是源域和目標(biāo)域數(shù)據(jù)分布不同,源域和目標(biāo)域的任務(wù)不同的情況,其中域適應(yīng)屬于直推式遷移學(xué)習(xí)。

    圖1 常規(guī)機(jī)器學(xué)習(xí)和遷移學(xué)習(xí)的差異和域適應(yīng)的定位

    本文研究的是基于深度無(wú)監(jiān)督同構(gòu)對(duì)抗域適應(yīng)的調(diào)制識(shí)別算法,利用深度域適應(yīng)[10]中的域?qū)辜夹g(shù),解決調(diào)制識(shí)別任務(wù)(任務(wù)相同)中源域調(diào)制信號(hào)有標(biāo)簽,目標(biāo)域調(diào)制信號(hào)無(wú)標(biāo)簽(無(wú)監(jiān)督)且源域和目標(biāo)域調(diào)制類型相同(同構(gòu)),數(shù)據(jù)分布不同的調(diào)制識(shí)別問(wèn)題,其中不同域之間的調(diào)制數(shù)據(jù)分布不同主要體現(xiàn)在碼速率的差異上。

    2.3 基于多模態(tài)域?qū)股窠?jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法

    使用基于單模態(tài)DANN的域適應(yīng)調(diào)制識(shí)別網(wǎng)路作為性能對(duì)比測(cè)試網(wǎng)絡(luò),其結(jié)構(gòu)如圖2所示。網(wǎng)絡(luò)的輸入為F1時(shí)域單模態(tài)信息,網(wǎng)絡(luò)包括2個(gè)流向,第一條流向輸入為源域數(shù)據(jù),是帶標(biāo)簽的數(shù)據(jù);另一條流向輸入是目標(biāo)域數(shù)據(jù),包含的是不帶標(biāo)簽的數(shù)據(jù),它們使用共享的特征提取器。在源域和目標(biāo)域數(shù)據(jù)流過(guò)中間的特征提取器之后,源域數(shù)據(jù)流入標(biāo)簽分類器并計(jì)算源域標(biāo)簽分類損失,源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)共同流入域分類器并計(jì)算域分類損失,網(wǎng)絡(luò)的優(yōu)化目標(biāo)是最小化源域標(biāo)簽分類損失的同時(shí)最大化域分類損失。其中特征提取器采用文獻(xiàn)[7]中的特征提取網(wǎng)絡(luò),特征提取器、源域標(biāo)簽分類器及域分類器的網(wǎng)絡(luò)參數(shù)分別如圖3-4所示。

    圖2 基于DANN的域適應(yīng)調(diào)制識(shí)別網(wǎng)絡(luò)

    圖3 特征提取器參數(shù)

    本文在域?qū)股窠?jīng)網(wǎng)絡(luò)基礎(chǔ)上同時(shí)使用時(shí)域和頻域的多模態(tài)信息對(duì)齊源域和目標(biāo)域調(diào)制信號(hào)的數(shù)據(jù)分布以提升調(diào)制識(shí)別算法性能。提出的調(diào)制識(shí)別模型如圖5所示。網(wǎng)絡(luò)輸入為F1和F2時(shí)頻域多模態(tài)特征,其中源域?yàn)橛袠?biāo)簽調(diào)制數(shù)據(jù),目標(biāo)域?yàn)闆](méi)有標(biāo)簽調(diào)制數(shù)據(jù),識(shí)別算法訓(xùn)練步驟為:

    圖5 基于多模態(tài)域?qū)股窠?jīng)網(wǎng)絡(luò)調(diào)制識(shí)別模型

    Step1:源域數(shù)據(jù)F1模態(tài)信息和目標(biāo)域F1模態(tài)信息通過(guò)特征提取器分別生成256維隱藏層特征s1和t1;

    Step2:源域數(shù)據(jù)F2模態(tài)信息和目標(biāo)域F2模態(tài)信息通過(guò)特征提取器2生成256維隱藏層特征s2和t2;

    Step3:s1和t1分別輸入到域分類器1進(jìn)行域分類并計(jì)算域分類損失1;

    Step4:s2和t2分別輸入到域分類器2進(jìn)行域分類并計(jì)算域分類損失2;

    Step5:對(duì)s1和s2實(shí)施cat操作,將特征進(jìn)行融合,將融合后的512維特征輸入源域標(biāo)簽分類器進(jìn)行源域標(biāo)簽分類并計(jì)算源域標(biāo)簽分類損失;

    Step6:將源域標(biāo)簽分類損失和域分類損失1,域分類損失2相加后得到總的loss進(jìn)行梯度反向傳播,其中最終優(yōu)化目標(biāo)為:

    式中,θf(wàn)1,θf(wàn)2,θy,θd2,θd2分別是特征提取器1,特征提取器2,源域標(biāo)簽分類器,域判別器1,域判別器2的參數(shù);Gf1,Gf2,Gy,Gd1,Gd2分別是特征提取器1,特征提取器2,源域標(biāo)簽分類器,域判別器1,域判別器2;ns,nt分別是源域和目標(biāo)域樣本的數(shù)量;yi,di分別是類別標(biāo)簽和域標(biāo)簽;λ1,λ2是權(quán)重系數(shù);域判別器1,域判別器2,源域標(biāo)簽分類器均使用交叉熵函數(shù)通過(guò)迭代訓(xùn)練使得總的loss達(dá)到最小,模型達(dá)到最優(yōu),使用訓(xùn)練好的特征分類器和源域標(biāo)簽分類器進(jìn)行目標(biāo)域識(shí)別分類。其中特征提取器1和2的結(jié)構(gòu)相同,仍采用文獻(xiàn)[7]中的特征提取網(wǎng)絡(luò),如圖3所示,域分類器1和域分類器2的結(jié)構(gòu)相同,其網(wǎng)絡(luò)參數(shù)如圖4(左)所示,源域標(biāo)簽分類器網(wǎng)絡(luò)參數(shù)如圖4(右)所示,這里源域標(biāo)簽分類器的輸入為特征融合后的512維而不再是256維。

    圖4 域分類器參數(shù)(左)和源域標(biāo)簽分類器參數(shù)(右)

    3 仿真驗(yàn)證及分析

    3.1 數(shù)據(jù)集制作

    本小節(jié)主要介紹訓(xùn)練和測(cè)試數(shù)據(jù)集的生成,本文數(shù)據(jù)集制作流程采用文獻(xiàn)[4]中的方式。本文設(shè)置了萊斯多徑信道環(huán)境進(jìn)行數(shù)據(jù)集的制作以研究在復(fù)雜電磁環(huán)境中域適應(yīng)技術(shù)性能。

    1)數(shù)據(jù)源

    數(shù)字調(diào)制的數(shù)據(jù)源使用莎士比亞的整個(gè)古登堡作品的ASCII碼產(chǎn)生,使用白化隨機(jī)以確保等符號(hào)和比特。

    2)調(diào)制

    隨機(jī)比特序列依照相應(yīng)調(diào)制方式進(jìn)行基帶星座映射,再進(jìn)行上采樣和脈沖成型。本文所需識(shí)別調(diào)制類型包含8種常見(jiàn)數(shù)字調(diào)制信號(hào),按順序分別為8PSK、BPSK、CPFSK、GFSK、PAM 4、QAM 16、QAM 64,QPSK,其中樣本長(zhǎng)度為2×128,其中2代表IQ 2路信號(hào),128代表樣本長(zhǎng)度。

    3)通過(guò)信道

    信道模型如圖6所示,包括采樣率偏移、中心頻率偏移、萊斯多徑衰落、高斯白噪聲。其中產(chǎn)生數(shù)據(jù)集的相關(guān)參數(shù)如中碼速率主要由sps(sample per symbol)調(diào)節(jié),當(dāng)采樣率固定,sps不同時(shí),信號(hào)的碼速率也不相同,因此形成不同的域,sps=4、8、16將分別充當(dāng)源域和目標(biāo)域來(lái)進(jìn)行交叉驗(yàn)證,可組成6對(duì)源域和目標(biāo)域組合。為引用方便起見(jiàn),分別將sps=4、8、16的3個(gè)域的數(shù)據(jù)集命名為A、B、C數(shù)據(jù)集。數(shù)據(jù)集相關(guān)參數(shù)見(jiàn)表1。

    表1 數(shù)據(jù)集相關(guān)參數(shù)

    圖6 信道模型

    3.2 實(shí)驗(yàn)環(huán)境設(shè)置

    實(shí)驗(yàn)使用深度學(xué)習(xí)的環(huán)境語(yǔ)言配置為Python 3.8.0,Pytorch 1.8.0,cuda10.2,系統(tǒng)為Windows 10專業(yè)工作站版20H2版本,硬件使用的CPU為Intel(R)Core(TM)i7-9750H,顯卡為NVIDIA GeForce GTX 1650,內(nèi)存為32 GB。batch size為1 024,類別分類器和域分類器使用Adam優(yōu)化器進(jìn)行優(yōu)化,學(xué)習(xí)率設(shè)為1e-3。

    3.3 不同碼速率下域適應(yīng)模型分類性能

    本小節(jié)中定義的調(diào)制識(shí)別性能指標(biāo)為:

    在A、B、C數(shù)據(jù)集上分別使用3種算法進(jìn)行性能對(duì)比測(cè)試以評(píng)估提出的算法:

    1)有監(jiān)督學(xué)習(xí)

    稱該類方法為Supervised,即訓(xùn)練集和測(cè)試集數(shù)據(jù)分布相同時(shí)的傳統(tǒng)智能調(diào)制識(shí)別算法,這里目標(biāo)域有充分的有標(biāo)簽樣本進(jìn)行訓(xùn)練。對(duì)目標(biāo)域訓(xùn)練調(diào)制數(shù)據(jù)進(jìn)行充分訓(xùn)練后,在目標(biāo)域測(cè)試調(diào)制數(shù)據(jù)上直接進(jìn)行測(cè)試,這里又將Supervised分為兩種,即單模態(tài)Supervised和多模態(tài)Supervised,單模態(tài)Supervised的輸入為目標(biāo)域的F1時(shí)域模態(tài)特征,識(shí)別網(wǎng)絡(luò)使用DANN中的特征提取器和源域標(biāo)簽分類器,剔除域分類器,最終優(yōu)化目標(biāo)僅包含標(biāo)簽分類損失;多模態(tài)Supervised的輸入為目標(biāo)域的F1時(shí)域和F 2頻域多模態(tài)特征,識(shí)別網(wǎng)絡(luò)使用本文提出的網(wǎng)絡(luò)中的特征提取器1、特征提取器2、特征融合和源域標(biāo)簽分類器,同樣剔除域分類器1和域分類器2,最終優(yōu)化目標(biāo)僅包含標(biāo)簽分類損失。設(shè)置有監(jiān)督學(xué)習(xí)算法進(jìn)行性能對(duì)比測(cè)試的目的是探究域適應(yīng)的識(shí)別精度的可能上限。

    2)在源域上訓(xùn)練、目標(biāo)域上直接測(cè)試

    稱該類方法Source-Only,即訓(xùn)練集和測(cè)試集數(shù)據(jù)分布不相同時(shí)的傳統(tǒng)智能調(diào)制識(shí)別算法,這里的目標(biāo)域完全沒(méi)有標(biāo)簽樣本。對(duì)源域訓(xùn)練調(diào)制數(shù)據(jù)進(jìn)行充分訓(xùn)練后,在目標(biāo)域測(cè)試調(diào)制數(shù)據(jù)上直接進(jìn)行測(cè)試,這里又將Source-Only分為兩種,即單模態(tài)Source-Only和多模態(tài)Source-Only:?jiǎn)文B(tài)Source-Only的輸入為源域的F1時(shí)域模態(tài)特征,識(shí)別網(wǎng)絡(luò)使用DANN中的特征提取器和源域標(biāo)簽分類器,剔除域分類器,最終優(yōu)化目標(biāo)僅包含標(biāo)簽分類損失;多模態(tài)Source-Only的輸入為源域域的F1時(shí)域和F2頻域多模態(tài)特征,識(shí)別網(wǎng)絡(luò)使用本文提出的網(wǎng)絡(luò)中的特征提取器1、特征提取器2、特征融合和源域標(biāo)簽分類器,同樣剔除域分類器1和域分類器2,最終優(yōu)化目標(biāo)僅包含標(biāo)簽分類損失。設(shè)置該類算法進(jìn)行性能對(duì)比測(cè)試的目的是探究域適應(yīng)在解決調(diào)制識(shí)別域適應(yīng)問(wèn)題上的性能增益。

    3)DANN單模態(tài)識(shí)別模型

    稱該類方法DANN,即訓(xùn)練集和測(cè)試集數(shù)據(jù)分布不相同時(shí)的單模態(tài)調(diào)制識(shí)別域適應(yīng)算法,這里目標(biāo)域沒(méi)有標(biāo)簽樣本。對(duì)源域和目標(biāo)域訓(xùn)練調(diào)制數(shù)據(jù)進(jìn)行充分訓(xùn)練后,在目標(biāo)域測(cè)試調(diào)制數(shù)據(jù)上直接進(jìn)行測(cè)試,這時(shí)輸入為源域的F1時(shí)域模態(tài)特征,識(shí)別網(wǎng)絡(luò)如圖2所示。

    實(shí)驗(yàn)得到的結(jié)果如表2所示,表中所示識(shí)別率均表示在目標(biāo)域測(cè)試集上進(jìn)行測(cè)試得到。從實(shí)驗(yàn)結(jié)果中可以看出,本文提出的網(wǎng)絡(luò)在大多數(shù)調(diào)制識(shí)別跨域適應(yīng)任務(wù)上優(yōu)于Source-Only和DANN方法,其中相比于單模態(tài)Source-Only最大提升了26.3%的識(shí)別精度,相比于多模態(tài)Source-Only最大提升了20%的識(shí)別精度,相比于DANN方法提升了2.5%~4%的識(shí)別精度。這些實(shí)驗(yàn)結(jié)果表明了通過(guò)將調(diào)制信號(hào)的多模態(tài)和域?qū)辜夹g(shù)相結(jié)合可以有效學(xué)習(xí)到更加全面的域間相關(guān)信息并進(jìn)行領(lǐng)域遷移。

    表2 結(jié)果分析對(duì)比

    4 結(jié)束語(yǔ)

    本文提出一種基于多模態(tài)域?qū)股窠?jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法,在域?qū)股窠?jīng)網(wǎng)絡(luò)基礎(chǔ)上同時(shí)使用時(shí)域和頻域的多模態(tài)信息對(duì)齊源域和目標(biāo)域調(diào)制信號(hào)的數(shù)據(jù)分布,以提升調(diào)制識(shí)別算法性能。仿真實(shí)驗(yàn)表明,提出的算法相比于在源域訓(xùn)練、目標(biāo)域直接測(cè)試的方法總識(shí)別率最大提高26.3%,相比于單模態(tài)域適應(yīng)調(diào)制識(shí)別算法總識(shí)別率提高2.5%~4%,證明基于多模態(tài)的深度域?qū)股窠?jīng)網(wǎng)絡(luò)在源域和目標(biāo)域的數(shù)據(jù)分布不同時(shí)仍有較好的效果,具有較好的應(yīng)用前景和研究?jī)r(jià)值。

    猜你喜歡
    數(shù)據(jù)分布源域特征提取
    多源域適應(yīng)方法綜述
    改進(jìn)的云存儲(chǔ)系統(tǒng)數(shù)據(jù)分布策略
    基于參數(shù)字典的多源域自適應(yīng)學(xué)習(xí)算法
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Bagging RCSP腦電特征提取算法
    一種基于給定標(biāo)準(zhǔn)對(duì)數(shù)據(jù)進(jìn)行正態(tài)修正的算法
    試論大數(shù)據(jù)之“大”
    可遷移測(cè)度準(zhǔn)則下的協(xié)變量偏移修正多源集成方法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    對(duì)數(shù)據(jù)分布特征測(cè)度的分析
    欧美+亚洲+日韩+国产| 男女下面进入的视频免费午夜| 中文资源天堂在线| 精品一区二区三区av网在线观看| 国产成人啪精品午夜网站| 日韩亚洲欧美综合| 超碰av人人做人人爽久久 | 制服丝袜大香蕉在线| 色综合站精品国产| 色噜噜av男人的天堂激情| 一区二区三区高清视频在线| 婷婷精品国产亚洲av| 国产亚洲精品综合一区在线观看| xxx96com| 99热这里只有精品一区| 午夜激情福利司机影院| 亚洲人成电影免费在线| 国产精华一区二区三区| 国产高清有码在线观看视频| a级毛片a级免费在线| 国产精品一及| 婷婷六月久久综合丁香| 成人国产一区最新在线观看| 亚洲中文字幕一区二区三区有码在线看| 在线天堂最新版资源| 成人国产综合亚洲| 国产午夜精品论理片| 看片在线看免费视频| 高潮久久久久久久久久久不卡| 国产精品永久免费网站| 精品99又大又爽又粗少妇毛片 | 亚洲av成人不卡在线观看播放网| 亚洲国产高清在线一区二区三| 亚洲精品一卡2卡三卡4卡5卡| 亚洲欧美日韩东京热| 亚洲成av人片在线播放无| 午夜日韩欧美国产| 欧美日本视频| 亚洲av中文字字幕乱码综合| 亚洲第一电影网av| 国产又黄又爽又无遮挡在线| 高清在线国产一区| 亚洲天堂国产精品一区在线| 国产精品久久电影中文字幕| 精品日产1卡2卡| 女人被狂操c到高潮| 无人区码免费观看不卡| 老司机午夜十八禁免费视频| 99在线视频只有这里精品首页| 欧美成人一区二区免费高清观看| 免费观看人在逋| 舔av片在线| 国内毛片毛片毛片毛片毛片| 午夜免费男女啪啪视频观看 | 神马国产精品三级电影在线观看| 91av网一区二区| 宅男免费午夜| 国产一区二区三区在线臀色熟女| 91在线精品国自产拍蜜月 | 麻豆久久精品国产亚洲av| 亚洲真实伦在线观看| 一个人免费在线观看的高清视频| 两人在一起打扑克的视频| 午夜日韩欧美国产| 日韩欧美精品v在线| 久久精品综合一区二区三区| 亚洲欧美日韩高清专用| 亚洲天堂国产精品一区在线| 亚洲一区二区三区色噜噜| 久久中文看片网| 俺也久久电影网| 国产又黄又爽又无遮挡在线| 三级国产精品欧美在线观看| 亚洲av免费在线观看| 禁无遮挡网站| 99热精品在线国产| 国产精品久久久久久亚洲av鲁大| 国产伦人伦偷精品视频| 日韩欧美在线二视频| av天堂中文字幕网| 精品乱码久久久久久99久播| 男人和女人高潮做爰伦理| 精品久久久久久久久久免费视频| 久久久久久人人人人人| 淫秽高清视频在线观看| 首页视频小说图片口味搜索| 国内精品一区二区在线观看| 国内揄拍国产精品人妻在线| 一本久久中文字幕| 免费人成在线观看视频色| 日本免费一区二区三区高清不卡| 精品久久久久久久毛片微露脸| 精品无人区乱码1区二区| 久久精品国产综合久久久| 2021天堂中文幕一二区在线观| 免费看美女性在线毛片视频| 成熟少妇高潮喷水视频| 国产老妇女一区| 亚洲,欧美精品.| 国产亚洲精品久久久com| 国产在线精品亚洲第一网站| 成人国产一区最新在线观看| 男女之事视频高清在线观看| 日韩欧美在线二视频| 国产精品亚洲一级av第二区| 国产国拍精品亚洲av在线观看 | 精品不卡国产一区二区三区| 长腿黑丝高跟| aaaaa片日本免费| 国产伦一二天堂av在线观看| 最新中文字幕久久久久| 一本久久中文字幕| 一级毛片高清免费大全| 美女大奶头视频| 99国产精品一区二区蜜桃av| 精品人妻一区二区三区麻豆 | 成人午夜高清在线视频| 国产综合懂色| 人妻夜夜爽99麻豆av| 欧美一区二区国产精品久久精品| 国产成人欧美在线观看| 国产视频一区二区在线看| 亚洲熟妇中文字幕五十中出| 99热6这里只有精品| 91九色精品人成在线观看| 亚洲成人中文字幕在线播放| 男插女下体视频免费在线播放| 看免费av毛片| 亚洲美女黄片视频| 成人无遮挡网站| 国产探花在线观看一区二区| 99国产极品粉嫩在线观看| 日日干狠狠操夜夜爽| 日本在线视频免费播放| 12—13女人毛片做爰片一| 久久久久久大精品| 色综合欧美亚洲国产小说| 波野结衣二区三区在线 | 国产精品久久电影中文字幕| 欧美三级亚洲精品| 国产精品自产拍在线观看55亚洲| 欧美极品一区二区三区四区| 成人特级黄色片久久久久久久| 国产精品三级大全| 国产成人欧美在线观看| 国产精品久久久久久久电影 | 一个人看视频在线观看www免费 | 看片在线看免费视频| 在线视频色国产色| 性色avwww在线观看| 一级毛片女人18水好多| 亚洲美女黄片视频| 十八禁人妻一区二区| 免费人成在线观看视频色| 欧美日本亚洲视频在线播放| 99riav亚洲国产免费| 成人一区二区视频在线观看| 国产成人系列免费观看| 欧美乱妇无乱码| 在线播放无遮挡| 少妇丰满av| 高清毛片免费观看视频网站| 午夜免费男女啪啪视频观看 | 国产在线精品亚洲第一网站| 成人国产一区最新在线观看| 天天躁日日操中文字幕| 天堂网av新在线| 2021天堂中文幕一二区在线观| 国产精品 国内视频| 成人一区二区视频在线观看| 国产不卡一卡二| 嫁个100分男人电影在线观看| av专区在线播放| 亚洲国产精品999在线| 俺也久久电影网| 色综合婷婷激情| 国产一区二区在线观看日韩 | 国产黄片美女视频| 久久久国产精品麻豆| 亚洲avbb在线观看| 伊人久久大香线蕉亚洲五| 国产黄色小视频在线观看| 国产在视频线在精品| 日韩人妻高清精品专区| 国产成人福利小说| 国产精品久久久久久久久免 | 日韩欧美国产一区二区入口| 欧美黑人巨大hd| 亚洲欧美日韩高清在线视频| 五月伊人婷婷丁香| 国产亚洲精品久久久com| 国产午夜精品论理片| 亚洲激情在线av| 亚洲成av人片免费观看| 中文资源天堂在线| 88av欧美| 狂野欧美激情性xxxx| 在线观看免费视频日本深夜| 成年女人永久免费观看视频| 日本在线视频免费播放| 亚洲真实伦在线观看| 国模一区二区三区四区视频| 搡老熟女国产l中国老女人| 色综合亚洲欧美另类图片| 51国产日韩欧美| 白带黄色成豆腐渣| 久久久国产精品麻豆| 日韩欧美在线二视频| 在线观看av片永久免费下载| 最后的刺客免费高清国语| 免费av观看视频| 男女做爰动态图高潮gif福利片| 精品一区二区三区视频在线 | 欧美乱妇无乱码| 一个人看视频在线观看www免费 | www日本在线高清视频| 五月玫瑰六月丁香| 亚洲国产中文字幕在线视频| 97碰自拍视频| 男插女下体视频免费在线播放| 国产午夜精品论理片| 亚洲,欧美精品.| 久久久国产成人精品二区| 日本成人三级电影网站| 偷拍熟女少妇极品色| 亚洲天堂国产精品一区在线| 亚洲国产精品999在线| 好男人在线观看高清免费视频| 欧美日韩瑟瑟在线播放| 国产一区二区亚洲精品在线观看| 精品人妻一区二区三区麻豆 | 麻豆国产av国片精品| 日韩国内少妇激情av| 欧美黄色片欧美黄色片| 亚洲人成网站在线播| 一进一出抽搐gif免费好疼| 两个人视频免费观看高清| 窝窝影院91人妻| 草草在线视频免费看| 热99re8久久精品国产| 变态另类成人亚洲欧美熟女| 欧美日韩乱码在线| 美女被艹到高潮喷水动态| 男女下面进入的视频免费午夜| 久9热在线精品视频| 色综合婷婷激情| 91字幕亚洲| 久久久久久国产a免费观看| 桃色一区二区三区在线观看| 日韩欧美 国产精品| 丝袜美腿在线中文| 久久久久免费精品人妻一区二区| АⅤ资源中文在线天堂| 黄色丝袜av网址大全| 成人国产一区最新在线观看| 我要搜黄色片| 一本久久中文字幕| 成年女人永久免费观看视频| 偷拍熟女少妇极品色| 亚洲人与动物交配视频| 亚洲国产欧美网| 婷婷精品国产亚洲av在线| 国产精品自产拍在线观看55亚洲| 美女高潮的动态| 亚洲最大成人中文| 国产蜜桃级精品一区二区三区| 国产精品久久视频播放| 久久人妻av系列| 色哟哟哟哟哟哟| 成年女人永久免费观看视频| 非洲黑人性xxxx精品又粗又长| 久久精品亚洲精品国产色婷小说| 成人三级黄色视频| 一个人观看的视频www高清免费观看| 亚洲不卡免费看| 免费av不卡在线播放| 午夜免费观看网址| 久久午夜亚洲精品久久| 午夜免费男女啪啪视频观看 | 少妇人妻精品综合一区二区 | 亚洲精品在线观看二区| 久99久视频精品免费| 欧美区成人在线视频| 男女之事视频高清在线观看| 国产亚洲精品一区二区www| 波多野结衣高清作品| 国产成人啪精品午夜网站| 午夜福利18| 在线观看日韩欧美| 动漫黄色视频在线观看| 性色avwww在线观看| 日韩精品中文字幕看吧| 一个人免费在线观看电影| 成人精品一区二区免费| 国产一区二区亚洲精品在线观看| 免费在线观看日本一区| 久久久久久久久久黄片| 最近最新中文字幕大全电影3| 精华霜和精华液先用哪个| 美女 人体艺术 gogo| 精品一区二区三区视频在线观看免费| 中国美女看黄片| 亚洲国产精品合色在线| 91在线精品国自产拍蜜月 | 中亚洲国语对白在线视频| 国产精品亚洲美女久久久| 有码 亚洲区| 99热这里只有是精品50| 国产精品,欧美在线| 欧洲精品卡2卡3卡4卡5卡区| 日本 av在线| 国产v大片淫在线免费观看| 人人妻,人人澡人人爽秒播| av女优亚洲男人天堂| 夜夜看夜夜爽夜夜摸| 一区二区三区免费毛片| 又紧又爽又黄一区二区| 成人无遮挡网站| 免费无遮挡裸体视频| 性色av乱码一区二区三区2| 在线播放无遮挡| 亚洲av日韩精品久久久久久密| 国产成人a区在线观看| 黄色女人牲交| av黄色大香蕉| 免费电影在线观看免费观看| 久久人妻av系列| 免费av毛片视频| 国产成人啪精品午夜网站| av国产免费在线观看| 国产精品亚洲av一区麻豆| 波多野结衣高清无吗| av女优亚洲男人天堂| 亚洲中文字幕一区二区三区有码在线看| 中国美女看黄片| 国产黄片美女视频| 中亚洲国语对白在线视频| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 久久精品91无色码中文字幕| 国语自产精品视频在线第100页| 国产黄色小视频在线观看| 亚洲一区二区三区不卡视频| 极品教师在线免费播放| 香蕉久久夜色| 超碰av人人做人人爽久久 | 亚洲18禁久久av| 内地一区二区视频在线| 国产精品久久久人人做人人爽| 国产成人啪精品午夜网站| 色噜噜av男人的天堂激情| 欧美成人免费av一区二区三区| 少妇人妻一区二区三区视频| 蜜桃亚洲精品一区二区三区| eeuss影院久久| 亚洲欧美精品综合久久99| 亚洲成人精品中文字幕电影| 婷婷丁香在线五月| 国产高清激情床上av| 内地一区二区视频在线| 香蕉av资源在线| svipshipincom国产片| 色噜噜av男人的天堂激情| 午夜福利成人在线免费观看| 国产伦精品一区二区三区视频9 | av国产免费在线观看| 狂野欧美激情性xxxx| 欧美av亚洲av综合av国产av| 91麻豆av在线| 国产高清激情床上av| 久久伊人香网站| 黄色女人牲交| 国产在线精品亚洲第一网站| 亚洲熟妇熟女久久| 午夜免费男女啪啪视频观看 | 国语自产精品视频在线第100页| 亚洲国产精品成人综合色| 少妇高潮的动态图| 最后的刺客免费高清国语| 久久香蕉精品热| 午夜福利视频1000在线观看| 人妻夜夜爽99麻豆av| 一级作爱视频免费观看| 亚洲av成人不卡在线观看播放网| 99热6这里只有精品| av中文乱码字幕在线| 成年免费大片在线观看| 欧美日本亚洲视频在线播放| 色综合欧美亚洲国产小说| 最新中文字幕久久久久| 中文字幕人妻熟人妻熟丝袜美 | 一区二区三区国产精品乱码| 国产精品精品国产色婷婷| 国产成+人综合+亚洲专区| 69人妻影院| www日本在线高清视频| 丝袜美腿在线中文| 久久香蕉精品热| 国产亚洲精品久久久com| av在线蜜桃| 在线观看免费午夜福利视频| 日本五十路高清| e午夜精品久久久久久久| 亚洲国产精品999在线| 人妻久久中文字幕网| 午夜a级毛片| 亚洲不卡免费看| 色吧在线观看| 日日夜夜操网爽| 国产亚洲欧美在线一区二区| 一本综合久久免费| 母亲3免费完整高清在线观看| 亚洲av二区三区四区| www.www免费av| 动漫黄色视频在线观看| 黄色片一级片一级黄色片| 亚洲精品在线观看二区| 亚洲av不卡在线观看| 午夜a级毛片| av黄色大香蕉| 亚洲熟妇熟女久久| 搡老熟女国产l中国老女人| 亚洲欧美一区二区三区黑人| 又紧又爽又黄一区二区| 亚洲国产色片| 2021天堂中文幕一二区在线观| 日本黄色片子视频| 久久久久久九九精品二区国产| 啪啪无遮挡十八禁网站| 少妇的逼水好多| 欧美黄色片欧美黄色片| 色av中文字幕| 国产乱人视频| 免费看十八禁软件| 亚洲欧美日韩东京热| 淫秽高清视频在线观看| 国产在线精品亚洲第一网站| 日本 av在线| 国产精品亚洲av一区麻豆| 国产高清视频在线播放一区| 中国美女看黄片| 岛国在线观看网站| 乱人视频在线观看| 日韩大尺度精品在线看网址| 日韩欧美一区二区三区在线观看| 午夜激情福利司机影院| 亚洲中文字幕日韩| 久久亚洲真实| 欧美+日韩+精品| 国产三级黄色录像| 国产精品一区二区免费欧美| 国产一区二区在线观看日韩 | 午夜福利高清视频| 亚洲中文日韩欧美视频| 午夜福利免费观看在线| 国产成+人综合+亚洲专区| 国产精品久久久久久人妻精品电影| 久久香蕉精品热| 欧美日韩福利视频一区二区| 亚洲国产精品sss在线观看| 色尼玛亚洲综合影院| 中文字幕人妻丝袜一区二区| 国产亚洲精品综合一区在线观看| а√天堂www在线а√下载| 在线a可以看的网站| 亚洲最大成人手机在线| 亚洲精品一区av在线观看| 欧美另类亚洲清纯唯美| 波多野结衣高清作品| 亚洲午夜理论影院| 99国产精品一区二区蜜桃av| 成年女人看的毛片在线观看| xxxwww97欧美| 一区福利在线观看| 日韩大尺度精品在线看网址| 免费观看人在逋| av天堂中文字幕网| 18禁黄网站禁片午夜丰满| 日韩成人在线观看一区二区三区| 天堂影院成人在线观看| 欧美性猛交黑人性爽| 欧美日韩瑟瑟在线播放| 久久午夜亚洲精品久久| 午夜福利18| av黄色大香蕉| 一个人免费在线观看的高清视频| 亚洲色图av天堂| 久久九九热精品免费| 久久精品人妻少妇| 精品日产1卡2卡| 色吧在线观看| 在线播放无遮挡| 欧美成人a在线观看| 999久久久精品免费观看国产| 中文字幕精品亚洲无线码一区| 日韩 欧美 亚洲 中文字幕| 最新美女视频免费是黄的| 90打野战视频偷拍视频| 国产精品99久久99久久久不卡| 精品一区二区三区视频在线 | 久久人妻av系列| 精品久久久久久久毛片微露脸| 亚洲色图av天堂| 别揉我奶头~嗯~啊~动态视频| 亚洲自拍偷在线| 国产在视频线在精品| 亚洲av日韩精品久久久久久密| 日韩精品中文字幕看吧| 99在线视频只有这里精品首页| 久久国产乱子伦精品免费另类| 国产在视频线在精品| 久久久久久大精品| 波野结衣二区三区在线 | 精品国产亚洲在线| 欧美丝袜亚洲另类 | 此物有八面人人有两片| 亚洲男人的天堂狠狠| 五月玫瑰六月丁香| 特级一级黄色大片| 久久性视频一级片| 色在线成人网| 99热这里只有是精品50| 天美传媒精品一区二区| 欧美日韩黄片免| www国产在线视频色| 美女高潮喷水抽搐中文字幕| 无限看片的www在线观看| 国产精华一区二区三区| www.熟女人妻精品国产| 亚洲无线在线观看| 黄色日韩在线| 一进一出抽搐动态| 久久婷婷人人爽人人干人人爱| 国产激情欧美一区二区| 亚洲aⅴ乱码一区二区在线播放| 精品一区二区三区人妻视频| 特大巨黑吊av在线直播| 亚洲精品粉嫩美女一区| 亚洲色图av天堂| 国产麻豆成人av免费视频| 午夜a级毛片| 麻豆一二三区av精品| 日本 欧美在线| 亚洲av成人不卡在线观看播放网| 久久久久精品国产欧美久久久| 国产精品爽爽va在线观看网站| www日本在线高清视频| av女优亚洲男人天堂| 在线观看一区二区三区| 免费人成在线观看视频色| 两个人视频免费观看高清| 国产高清视频在线播放一区| 内地一区二区视频在线| 一个人免费在线观看的高清视频| 欧美区成人在线视频| 色视频www国产| 亚洲av免费在线观看| 伊人久久精品亚洲午夜| 国产真实乱freesex| 日本 av在线| 午夜免费男女啪啪视频观看 | 成年女人看的毛片在线观看| 久久草成人影院| 亚洲av成人av| 亚洲国产精品合色在线| 亚洲人与动物交配视频| 亚洲激情在线av| 国产成+人综合+亚洲专区| 精品欧美国产一区二区三| 少妇丰满av| 亚洲中文日韩欧美视频| 18禁裸乳无遮挡免费网站照片| 午夜福利18| 免费在线观看日本一区| 天天躁日日操中文字幕| 男女午夜视频在线观看| 高潮久久久久久久久久久不卡| 久久久久久久精品吃奶| 亚洲 国产 在线| 一本精品99久久精品77| 精品免费久久久久久久清纯| 人妻夜夜爽99麻豆av| 亚洲男人的天堂狠狠| 亚洲av电影在线进入| 成人特级黄色片久久久久久久| 国产v大片淫在线免费观看| 麻豆国产97在线/欧美| 国产黄片美女视频| 成年免费大片在线观看| 国产av不卡久久| av天堂中文字幕网| 女人被狂操c到高潮| 九色成人免费人妻av| 久久国产精品影院| 国产单亲对白刺激| 女生性感内裤真人,穿戴方法视频| 久久国产精品影院| 免费看日本二区| 少妇的逼好多水| 黄色日韩在线| 欧美中文日本在线观看视频| 久久精品影院6| 在线观看66精品国产| 欧美丝袜亚洲另类 | 午夜免费观看网址| 日本熟妇午夜| 黄色片一级片一级黄色片| 亚洲,欧美精品.| 手机成人av网站| 成年免费大片在线观看| 少妇的逼好多水| 九九在线视频观看精品| www国产在线视频色| 丰满乱子伦码专区| 精品国产亚洲在线|