博士生阿尔斯楞在SCI期刊China Communications上发表论文

2024年3月，课题组一篇论文“A Few-shot Learning-based Automatic Modulation Classification Method for Internet of Things”，被SCI期刊China Communications录用。论文第一作者是博士生阿尔斯楞，第二作者是阿尔斯楞的指导老师戚晨皓教授。China Communications是中国通信学会（CIC）和IEEE通信学会（IEEE ComSoc）共同主办的SCI期刊，目前SCI影响因子4.1，是国内无线通信领域的旗舰刊物。论文基于机器学习研究了物联网通信中使用少量样本训练的自动调制分类（Automatic Modulation Classification，AMC）问题，包括AMC训练和部署两部分，如下图所示。

由于使用少量样本训练导致神经网络的输入信息受限，因此设计数据增强模块（Data enhancement module，DEM）来补充基于非线性映射的频域信息。DEM和分类网络共同训练使输出的频域信息有利于调制分类。补充信息和原始信息通过多模态神经网络（Multimodal network，MulNet）来提取分类特征，其中MulNet包含多个残差块，每个残差块中使用大小规格不同的卷积核来提取多模态特征，从而提升特征的多样性。此外，深监督损失函数被提出用来在训练过程中监督整个网络，包括DEM和所有隐藏层从而提升网络的分类可靠性。在模型部署中，由于不同的训练模型对输出结果的表达是不同的，为了避免单一模型的随机性，本文设计了合作分类器，根据多个训练模型的输出来获得最终的调制分类结果。仿真结果表明，与现有方法相比，本文所提出的少量样本AMC方法相较于现有方法能有效提升调制分类的准确率。