• <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
    永久网站在线| 欧美日韩一区二区视频在线观看视频在线| 成人毛片a级毛片在线播放| 能在线免费看毛片的网站| 亚洲精品乱码久久久久久按摩| 亚洲怡红院男人天堂| 曰老女人黄片| 人成视频在线观看免费观看| 免费人成在线观看视频色| 美女内射精品一级片tv| av又黄又爽大尺度在线免费看| 中文字幕人妻丝袜制服| 欧美日韩亚洲高清精品| 亚洲婷婷狠狠爱综合网| 在线看a的网站| 一边摸一边做爽爽视频免费| 大码成人一级视频| 80岁老熟妇乱子伦牲交| 我要看黄色一级片免费的| 国产极品天堂在线| 国内精品宾馆在线| 日本午夜av视频| 亚洲精品美女久久av网站| 国产 精品1| 日本爱情动作片www.在线观看| 久久人人爽人人爽人人片va| 久久久国产一区二区| 人人妻人人澡人人看| 欧美日韩在线观看h| av.在线天堂| av有码第一页| 国产一区二区三区综合在线观看 | 黑人高潮一二区| 黄色一级大片看看| 国产一区有黄有色的免费视频| 男男h啪啪无遮挡| 一区二区三区精品91| 黑丝袜美女国产一区| av视频免费观看在线观看| 成年av动漫网址| 嘟嘟电影网在线观看| 日日啪夜夜爽| 男女无遮挡免费网站观看| 久久这里有精品视频免费| 在线免费观看不下载黄p国产| 婷婷色综合大香蕉| 亚洲久久久国产精品| 51国产日韩欧美| 精品久久久久久久久av| 99热网站在线观看| 国产免费现黄频在线看| 日韩一区二区视频免费看| 午夜免费观看性视频| 国产成人午夜福利电影在线观看| 在线精品无人区一区二区三| 99re6热这里在线精品视频| 精品人妻一区二区三区麻豆| 香蕉精品网在线| 国产乱人偷精品视频| 久久久国产欧美日韩av| 91成人精品电影| 亚洲丝袜综合中文字幕| 国产一区有黄有色的免费视频| 国产乱人偷精品视频| 久热久热在线精品观看| 在线免费观看不下载黄p国产| 超碰97精品在线观看| 另类精品久久| 亚洲国产欧美日韩在线播放| av黄色大香蕉| 韩国av在线不卡| 亚洲精品av麻豆狂野| 亚洲色图 男人天堂 中文字幕 | 日本欧美国产在线视频| 春色校园在线视频观看| 美女大奶头黄色视频| 99热网站在线观看| 少妇人妻 视频| 九色成人免费人妻av| 国产精品免费大片| 国产精品久久久久成人av| 成人二区视频| av视频免费观看在线观看| 久久人妻熟女aⅴ| 寂寞人妻少妇视频99o| 国产 一区精品| 午夜福利网站1000一区二区三区| 在现免费观看毛片| 日日摸夜夜添夜夜爱| 多毛熟女@视频| 视频区图区小说| 免费观看av网站的网址| 国产精品不卡视频一区二区| 18禁动态无遮挡网站| 亚洲精品456在线播放app| 国产黄色视频一区二区在线观看| 午夜福利影视在线免费观看| 美女福利国产在线| 亚洲综合精品二区| 最近的中文字幕免费完整| 丰满饥渴人妻一区二区三| 一级黄片播放器| 国产成人免费无遮挡视频| 中文精品一卡2卡3卡4更新| 男女边摸边吃奶| 中国美白少妇内射xxxbb| 亚洲国产毛片av蜜桃av| 精品久久久精品久久久| 91成人精品电影| 蜜桃国产av成人99| 精品一区二区三卡| 国产一区有黄有色的免费视频| a 毛片基地| 女性被躁到高潮视频| 综合色丁香网| 亚洲欧美成人综合另类久久久| 国产成人91sexporn| 国产精品欧美亚洲77777| 欧美亚洲 丝袜 人妻 在线| 国产在线免费精品| 精品视频人人做人人爽| 十八禁高潮呻吟视频| 亚洲成人一二三区av| 国产亚洲精品久久久com| 99久久综合免费| av又黄又爽大尺度在线免费看| 少妇的逼好多水| 国产日韩一区二区三区精品不卡 | 一本久久精品| 老司机影院成人| 97精品久久久久久久久久精品| 国产精品久久久久久精品古装| 亚洲欧美一区二区三区国产| 国产精品国产三级国产专区5o| 女的被弄到高潮叫床怎么办| 久久久久久人妻| 一个人免费看片子| 80岁老熟妇乱子伦牲交| 国产精品不卡视频一区二区| 伦精品一区二区三区| 午夜福利,免费看| 中国美白少妇内射xxxbb| 久久久国产欧美日韩av| 日日啪夜夜爽| 日韩视频在线欧美| 国产深夜福利视频在线观看| 蜜桃久久精品国产亚洲av| 狠狠精品人妻久久久久久综合| 国产精品蜜桃在线观看| 国产日韩欧美视频二区| 午夜91福利影院| 欧美日韩视频高清一区二区三区二| 街头女战士在线观看网站| 亚洲欧美一区二区三区黑人 | 久久热精品热| 99国产综合亚洲精品| 欧美日韩综合久久久久久| 久久精品国产鲁丝片午夜精品| 国产精品国产三级国产专区5o| 久久午夜综合久久蜜桃| 激情五月婷婷亚洲| 色哟哟·www| 日本av免费视频播放| av有码第一页| 少妇精品久久久久久久| 精品人妻一区二区三区麻豆| 99热这里只有精品一区| 51国产日韩欧美| 国语对白做爰xxxⅹ性视频网站| 丰满迷人的少妇在线观看| 精品久久久久久久久av| 大片电影免费在线观看免费| 激情五月婷婷亚洲| 精品久久久久久电影网| 亚洲精品,欧美精品| 国产黄频视频在线观看| 国产av精品麻豆| 尾随美女入室| 久久亚洲国产成人精品v| 中国美白少妇内射xxxbb| 亚洲精品亚洲一区二区| 国产成人91sexporn| av一本久久久久| 高清不卡的av网站| 国产亚洲一区二区精品| 亚洲av在线观看美女高潮| 国产日韩欧美在线精品| 80岁老熟妇乱子伦牲交| 午夜免费观看性视频| 久久久久久人妻| 性色av一级| xxxhd国产人妻xxx| 国产精品一区二区在线不卡| 一级a做视频免费观看| 日本av手机在线免费观看| 日本av手机在线免费观看| 久久青草综合色| 18禁在线无遮挡免费观看视频| 免费观看无遮挡的男女| 少妇猛男粗大的猛烈进出视频| 欧美xxxx性猛交bbbb| 丁香六月天网| a级毛片黄视频| 中文字幕制服av| 亚洲av在线观看美女高潮| 一个人看视频在线观看www免费| 插逼视频在线观看| 女性生殖器流出的白浆| 性高湖久久久久久久久免费观看| 中国美白少妇内射xxxbb| 久久久欧美国产精品| 免费av不卡在线播放| 久久免费观看电影| 日韩精品有码人妻一区| 日本色播在线视频| 日本色播在线视频| 日产精品乱码卡一卡2卡三| 婷婷色综合大香蕉| 一区二区三区精品91| 99热网站在线观看| 欧美少妇被猛烈插入视频| 狂野欧美激情性xxxx在线观看| 久久 成人 亚洲| 好男人视频免费观看在线| 午夜91福利影院| 水蜜桃什么品种好| 久久99热6这里只有精品| 在线免费观看不下载黄p国产| 青春草国产在线视频| 色婷婷久久久亚洲欧美| 国产一级毛片在线| 精品一品国产午夜福利视频| 成人亚洲精品一区在线观看| 日韩av不卡免费在线播放| 人人妻人人澡人人看| 国产成人免费观看mmmm| 成人国产av品久久久| 成人国产av品久久久| 亚洲精品国产色婷婷电影| 一级毛片电影观看| 卡戴珊不雅视频在线播放| 免费观看的影片在线观看| 下体分泌物呈黄色| 韩国av在线不卡| 国产爽快片一区二区三区| 国产免费又黄又爽又色| 两个人免费观看高清视频| 亚洲精品一二三| 成人免费观看视频高清| 亚洲熟女精品中文字幕| 有码 亚洲区| 亚洲欧美中文字幕日韩二区| 国产乱人偷精品视频| 亚洲国产精品999| 91午夜精品亚洲一区二区三区| 精品人妻偷拍中文字幕| 国产伦精品一区二区三区视频9| 一级毛片电影观看| 热re99久久国产66热| 三上悠亚av全集在线观看| 国产毛片在线视频| 中文天堂在线官网| 一本色道久久久久久精品综合| 久久综合国产亚洲精品| 久久久久精品性色| 少妇 在线观看| 少妇精品久久久久久久| 黄色欧美视频在线观看| 精品少妇黑人巨大在线播放| 中文天堂在线官网| av免费观看日本| 国产一区亚洲一区在线观看| 日韩伦理黄色片| 免费观看a级毛片全部| 2022亚洲国产成人精品| av福利片在线| 中文字幕最新亚洲高清| 亚洲色图综合在线观看| 午夜91福利影院| 下体分泌物呈黄色| 18禁观看日本| 成人综合一区亚洲| 看免费成人av毛片| 日韩人妻高清精品专区| 国产精品一国产av| 国产精品无大码| 各种免费的搞黄视频| 午夜激情久久久久久久| 国产日韩一区二区三区精品不卡 | 啦啦啦在线观看免费高清www| av天堂久久9| 国模一区二区三区四区视频| 一边摸一边做爽爽视频免费| 在线亚洲精品国产二区图片欧美 | 国产精品成人在线| 精品少妇久久久久久888优播| 秋霞在线观看毛片| 老女人水多毛片| 99视频精品全部免费 在线| 人人妻人人澡人人看| 国产一区二区在线观看av| 欧美亚洲 丝袜 人妻 在线| 一本—道久久a久久精品蜜桃钙片| 亚洲av电影在线观看一区二区三区| 黄色视频在线播放观看不卡| 高清在线视频一区二区三区| 精品少妇黑人巨大在线播放| 国产精品一国产av| 18禁在线播放成人免费| 天堂俺去俺来也www色官网| 一区二区日韩欧美中文字幕 | 久久国内精品自在自线图片| 黑人巨大精品欧美一区二区蜜桃 | 国产亚洲av片在线观看秒播厂| 久久久久国产网址| 亚洲色图 男人天堂 中文字幕 | 黄色毛片三级朝国网站| 免费av中文字幕在线| 亚洲精品日本国产第一区| 免费少妇av软件| 国产av码专区亚洲av| 少妇人妻久久综合中文| 精品少妇久久久久久888优播| 九色亚洲精品在线播放| 自线自在国产av| 91精品三级在线观看| 亚洲精品久久久久久婷婷小说| 午夜激情久久久久久久| 最近手机中文字幕大全| 国产亚洲精品第一综合不卡 | 国产免费又黄又爽又色| 欧美最新免费一区二区三区| 观看av在线不卡| 人人澡人人妻人| 91精品国产九色| 久久婷婷青草| 亚洲精品自拍成人| 国产精品三级大全| 少妇人妻精品综合一区二区| 久久婷婷青草| av网站免费在线观看视频| 午夜激情久久久久久久| 精品一区二区三区视频在线| 两个人免费观看高清视频| 18在线观看网站| 亚洲国产精品一区三区| 欧美成人精品欧美一级黄| 高清视频免费观看一区二区| 22中文网久久字幕| 日韩中文字幕视频在线看片| 插阴视频在线观看视频| 亚洲少妇的诱惑av| 老司机影院毛片| 国产精品秋霞免费鲁丝片| 久久人人爽av亚洲精品天堂| 亚洲精品中文字幕在线视频| 日韩,欧美,国产一区二区三区| 日韩精品有码人妻一区| 国产av国产精品国产| 三上悠亚av全集在线观看| 亚洲中文av在线| 亚洲欧洲国产日韩| 午夜老司机福利剧场| 天天影视国产精品| 一级毛片黄色毛片免费观看视频| 免费不卡的大黄色大毛片视频在线观看| 国产片特级美女逼逼视频| 男人添女人高潮全过程视频| 国产成人精品无人区| 精品久久久久久久久av| 久久99热6这里只有精品| 另类亚洲欧美激情| av.在线天堂| www.色视频.com| 嫩草影院入口| 老熟女久久久| 久久精品国产鲁丝片午夜精品| 麻豆成人av视频| 在线天堂最新版资源| 亚洲欧美成人综合另类久久久| 天堂8中文在线网| 嘟嘟电影网在线观看| 黄色一级大片看看| 日本wwww免费看| 国产在视频线精品| 精品人妻一区二区三区麻豆| 人妻制服诱惑在线中文字幕| 欧美人与性动交α欧美精品济南到 | 日本欧美视频一区| 高清黄色对白视频在线免费看| 国产 一区精品| 搡老乐熟女国产| 水蜜桃什么品种好| 热99久久久久精品小说推荐| 久久久午夜欧美精品| 丰满迷人的少妇在线观看| 亚洲四区av| 十八禁高潮呻吟视频| 熟女电影av网| 2018国产大陆天天弄谢| 麻豆乱淫一区二区| 欧美激情极品国产一区二区三区 | 亚洲人成77777在线视频| 国产一区二区在线观看av| 2021少妇久久久久久久久久久| 天天影视国产精品| 免费人妻精品一区二区三区视频| 久久久久久久精品精品| 精品99又大又爽又粗少妇毛片| 成年美女黄网站色视频大全免费 | 欧美亚洲日本最大视频资源| 亚洲经典国产精华液单| 69精品国产乱码久久久| 夫妻午夜视频| videos熟女内射| 久久久久久久久久久久大奶| 国产综合精华液| 国产深夜福利视频在线观看| 欧美三级亚洲精品| 精品久久国产蜜桃| 婷婷成人精品国产| 性高湖久久久久久久久免费观看| 精品久久久久久电影网| 色婷婷久久久亚洲欧美| 人人妻人人爽人人添夜夜欢视频| 国产午夜精品久久久久久一区二区三区| 亚洲综合精品二区| 麻豆成人av视频| 国产成人91sexporn| 曰老女人黄片| 久久精品国产亚洲av涩爱| 一区二区av电影网| 一本一本综合久久| 国产又色又爽无遮挡免| 人人妻人人澡人人看| 色婷婷久久久亚洲欧美| 99国产精品免费福利视频| 日韩三级伦理在线观看| 国产视频内射| 亚洲成人av在线免费| 啦啦啦在线观看免费高清www| 久热久热在线精品观看| 色网站视频免费| 久久99热这里只频精品6学生| 另类亚洲欧美激情| xxx大片免费视频| 午夜精品国产一区二区电影| 亚洲av国产av综合av卡| 一本大道久久a久久精品| 亚洲在久久综合| 自拍欧美九色日韩亚洲蝌蚪91| 乱人伦中国视频| 97精品久久久久久久久久精品| 亚洲国产精品999| 黑人高潮一二区| 飞空精品影院首页| 国产成人精品无人区| 国产免费视频播放在线视频| 欧美老熟妇乱子伦牲交| 国产成人精品婷婷| 自线自在国产av| 一级,二级,三级黄色视频| 成人18禁高潮啪啪吃奶动态图 | 少妇精品久久久久久久| 少妇丰满av| 欧美3d第一页| 欧美精品一区二区大全| 国精品久久久久久国模美| 91精品一卡2卡3卡4卡| √禁漫天堂资源中文www| 日本欧美视频一区| 亚洲精品色激情综合| 国产高清三级在线| 一级毛片我不卡| 97在线视频观看| 精品人妻一区二区三区麻豆| 黄片无遮挡物在线观看| 在现免费观看毛片| 色5月婷婷丁香| 精品久久久久久久久av| 美女中出高潮动态图| 97超视频在线观看视频| 中文字幕免费在线视频6| 在线看a的网站| 美女cb高潮喷水在线观看| 国产一区二区三区综合在线观看 | 这个男人来自地球电影免费观看 | 精品少妇久久久久久888优播| 国产av一区二区精品久久| 亚洲一级一片aⅴ在线观看| 久热久热在线精品观看| 中文天堂在线官网| 日韩欧美精品免费久久| 岛国毛片在线播放| 欧美性感艳星| 人妻 亚洲 视频| 十分钟在线观看高清视频www| 亚洲国产欧美日韩在线播放| 亚洲精品视频女| 美女cb高潮喷水在线观看| 性高湖久久久久久久久免费观看| av一本久久久久| 在线观看人妻少妇| 午夜av观看不卡| 午夜激情福利司机影院| 人体艺术视频欧美日本| 国产日韩一区二区三区精品不卡 | 久久精品人人爽人人爽视色| 久久久久人妻精品一区果冻| 久久国产精品男人的天堂亚洲 | 成人手机av| 亚洲国产最新在线播放| 精品少妇黑人巨大在线播放| 国产高清国产精品国产三级| 日韩电影二区| 国产一区二区在线观看av| 成人二区视频| 亚洲av中文av极速乱| 成年人午夜在线观看视频| 99视频精品全部免费 在线| 国产成人a∨麻豆精品| 久久久久久久久久成人| 成人影院久久| 秋霞伦理黄片| 国产男女内射视频| tube8黄色片| 桃花免费在线播放| 久久久久久久大尺度免费视频| 亚洲av国产av综合av卡| 狂野欧美白嫩少妇大欣赏| 我的老师免费观看完整版| 一区二区三区四区激情视频| 另类亚洲欧美激情| 国产精品人妻久久久影院| 欧美成人午夜免费资源| 日本与韩国留学比较| 国产精品熟女久久久久浪| 久久久久久久久久久免费av| 欧美性感艳星| 日韩欧美一区视频在线观看| 最近最新中文字幕免费大全7| 成年av动漫网址| 91aial.com中文字幕在线观看| 最近2019中文字幕mv第一页| 成人二区视频| 亚洲精品乱码久久久久久按摩| 国产老妇伦熟女老妇高清| 肉色欧美久久久久久久蜜桃| videossex国产| 黑丝袜美女国产一区| 性色avwww在线观看| 国产av精品麻豆| 婷婷色综合www| 美女脱内裤让男人舔精品视频| 一区二区三区免费毛片| 免费大片黄手机在线观看| 久久综合国产亚洲精品| 久久毛片免费看一区二区三区| 一边亲一边摸免费视频| 精品一区二区三卡| 日韩大片免费观看网站| 18禁观看日本| 亚洲国产av影院在线观看| 日日啪夜夜爽| 一本色道久久久久久精品综合| 国产成人精品一,二区| 精品久久蜜臀av无| 中文字幕人妻熟人妻熟丝袜美| 国产国语露脸激情在线看| 亚洲av不卡在线观看| 欧美人与性动交α欧美精品济南到 | 亚洲精品色激情综合| 国产乱人偷精品视频| 日本wwww免费看| 熟妇人妻不卡中文字幕| 哪个播放器可以免费观看大片| 亚洲成人一二三区av| 91国产中文字幕| 国产乱来视频区| 一区二区三区精品91| 久久人人爽人人片av| 亚洲一区二区三区欧美精品| 免费黄色在线免费观看| 日产精品乱码卡一卡2卡三| 日韩 亚洲 欧美在线| 成人毛片a级毛片在线播放| 欧美xxxx性猛交bbbb| 亚洲精品久久久久久婷婷小说| 日韩一区二区三区影片| 免费人妻精品一区二区三区视频| 天堂俺去俺来也www色官网| 免费观看a级毛片全部| 午夜精品国产一区二区电影| 精品国产乱码久久久久久小说| 欧美 日韩 精品 国产| 欧美bdsm另类| 久久久久久人妻| 少妇被粗大猛烈的视频| 亚洲美女搞黄在线观看| 色婷婷av一区二区三区视频| 午夜福利视频在线观看免费| 国产欧美另类精品又又久久亚洲欧美| 免费黄频网站在线观看国产| 各种免费的搞黄视频| 国产一区有黄有色的免费视频| 日韩三级伦理在线观看| 亚洲av成人精品一区久久| 国产精品人妻久久久影院| 男女无遮挡免费网站观看| 大片电影免费在线观看免费| 亚洲三级黄色毛片| 丰满乱子伦码专区| 日韩在线高清观看一区二区三区| 国产精品一区二区在线不卡| 高清视频免费观看一区二区|