基于网络度量的三分支孪生网络调制识别算法

摘要

针对基于孪生网络的小样本调制识别算法存在相似识别类别混淆的问题,提出一种基于网络度量的三分支孪生网络调制识别算法.通过三分支孪生神经网络(Triplet Siamese Neural Network,TSN)将输入三元样本组的原始特征映射至特征子空间中.将正负样本与参考样本特征并联输入至两个参数共享的关系网络(Relation Network,RN),学习一个非线性的度量函数.通过各个类别的特征向量生成各类别的类原型,作为测试过程中的类特征输入.为降低信道噪声和信号接收误差对均值类原型表达的影响,采用局部异常因子算法(Local Outlier Factor,LOF)剔除类别中偏差数据.在公开的调制数据集DeepSig中进行验证,仿真结果表明,TSN-RN-LOF算法模型可以充分利用相似类别之间的差异信息,提取更具辨识度的特征,取得更优的识别性能.