16-QAM

新的多任务学习模型增强了信号调制识别和SINR估计

研究人员开发了一种不确定性感知多任务学习模型，旨在改进联合调制识别和信噪比（SINR）估计。该模型将归一化的同相/正交窗口处理成确定性统计量，并利用特定任务的适配器进行分类和回归。它结合了分类熵和预测回归方差的联合不确定性得分，以实现选择性推理。仿真表明，在各种信道条件下，与传统多任务学习相比，该模型显著提高了准确性，同时降低了SINR的平均绝对误差。