一种用于自动调制分类的改进型柯尔莫哥洛夫-阿诺德网络

《IEEE Photonics Technology Letters》:A Modified Kolmogorov-Arnold Network for Automatic Modulation Classification

【字体: 大 中 小 】 时间:2026年03月26日 来源:IEEE Photonics Technology Letters 2.4

编辑推荐:

  摘要:自动调制分类是一种在智能通信系统中至关重要的信号感知机制,这些系统包括认知无线电、动态频谱感知、电子战以及信号情报领域。它能够实现自适应传输、资源分配以及接收器优化。然而,在大气湍流和非线性信道损伤的情况下,基于深度学习的传统自动调制分类方法,尤其是那些基于多层感知器的算法

  

摘要:

自动调制分类是一种在智能通信系统中至关重要的信号感知机制,这些系统包括认知无线电、动态频谱感知、电子战以及信号情报领域。它能够实现自适应传输、资源分配以及接收器优化。然而,在大气湍流和非线性信道损伤的情况下,基于深度学习的传统自动调制分类方法,尤其是那些基于多层感知器的算法,存在可解释性差、收敛速度慢以及鲁棒性降低的问题。科尔莫戈洛夫-阿诺德网络提供了一种轻量级且具有可解释性的替代方案;不过,其通用的激活函数库并不符合由湍流引起的统计特性,从而导致梯度传播和特征区分效果不佳。为了解决这一匹配问题,我们推导出了大气与接收器噪声模型的封闭形式表达式,并基于该表达式的福克斯-H函数形式构建了一个考虑分布特性的激活函数库。实验结果表明,通过将激活函数适配到信道噪声的统计特性,改进后的科尔莫戈洛夫-阿诺德网络在存在大气湍流的信道中实现了更高的分类精度,并降低了计算复杂度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号