PulseAugur
实时 09:54:58
English(EN) DKDNet: Dual Knowledge and Data-Driven Network for Cross-Domain Automatic Modulation Classification

新的DKDNet增强了跨域自动调制分类能力

研究人员开发了DKDNet,这是一种专为跨不同通信域的自动调制分类(AMC)设计的新型网络。该方法将来自通信协议和物理原理的先验知识与数据驱动的学习相结合,以提高模型的泛化能力。DKDNet利用多表示特征编码器和动态轻量级融合单元来学习统一表示并自适应地融合特征,通过分类和对抗性域对齐目标来优化性能。 AI

影响 引入了一种新颖的网络架构,以提高跨域自动调制分类的泛化能力。

排序理由 该项目是一篇研究论文,详细介绍了一种用于特定信号处理任务的新网络架构。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的DKDNet增强了跨域自动调制分类能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shuang Wang, Chenxu Wang, Hantong Xing, Hanlin Mo, Lirong Han, Licheng Jiao ·

    DKDNet: Dual Knowledge and Data-Driven Network for Cross-Domain Automatic Modulation Classification

    arXiv:2607.08031v1 Announce Type: cross Abstract: The dynamics of communication environments induce significant distribution shifts across domains, challenging the generalization of deep learning-based automatic modulation classification (AMC) models. While existing UDA methods a…