在現(xiàn)今的通信中,接收信號樣本不完全會造成數(shù)據(jù)的缺失,給數(shù)字信號的識別帶來困難。因此小樣本條件下的數(shù)字通信信號調(diào)制識別研究具有重大意義。生成式對抗網(wǎng)絡（GAN）作為一種擬合生成數(shù)據(jù)的熱門方法備受關注。在原始GAN的基礎上將深度卷積對抗網(wǎng)絡用于條件生成式對抗網(wǎng)絡,實現(xiàn)小樣本數(shù)據(jù)的擴充和識別。實驗仿真結果表明,所提出的方法可以有效地生成數(shù)據(jù)并進行分類識別。此外與相關算法的比較,驗證了算法的可行性。 

【文章來源】：通信技術. 2020,53(11)

【文章頁數(shù)】：6 頁

【部分圖文】：

GAN結構圖

c GAN結構示意

CDCGAN結構示意

【參考文獻】：
期刊論文
[1]小樣本條件下基于數(shù)據(jù)增強和WACGAN的雷達目標識別算法[J]. 朱克凡,王杰貴,劉有軍.  電子學報. 2020(06)
[2]生成式對抗網(wǎng)絡的應用綜述[J]. 葉晨,關瑋.  同濟大學學報(自然科學版). 2020(04)
[3]基于k-最近鄰圖的小樣本KNN分類算法[J]. 劉應東,�；菝�.  計算機工程. 2011(09)
[4]改進的認知無線電頻譜共享博弈模型[J]. 黃麗亞,劉臣,王鎖萍.  通信學報. 2010(02)
[5]關于統(tǒng)計學習理論與支持向量機[J]. 張學工.  自動化學報. 2000(01)

碩士論文
[1]基于高維小樣本數(shù)據(jù)和類別不平衡數(shù)據(jù)的反距離加權支持向量機[D]. 徐新紅.山東大學 2020



本文編號：2981013