论文部分内容阅读
针对调制信号训练数据(源域数据)和测试数据(目标域数据)来自不同数据分布导致预先训练的深度学习模型失配、系统性能急剧恶化、且大量无标签目标域数据未被利用的问题,提出一种基于多模态域对抗神经网络的调制识别算法,在域对抗神经网络基础上同时使用时域和频域的多模态信息对齐源域和目标域调制信号的数据分布以提升调制识别算法性能.仿真实验表明,提出的算法相比于在源域训练、目标域直接测试的方法总识别率最大提高26.3％,相比于单模态域适应调制识别算法总识别率提高2.5％～4％,证明该方法是有效可行的.