Mod-CL: Apprendimento Auto-Supervisionato per la Classificazione Automatica della Modulazione
Mod-CL, un innovativo framework di apprendimento auto-supervisionato, migliora la classificazione automatica della modulazione (AMC) sfruttando la coerenza di modulazione intra-istanza. L'elevato costo dei dati etichettati rappresenta una sfida per le tecniche AMC basate sul deep learning. Gli attuali metodi SSL spesso si basano su pretesti indipendenti dal compito che mescolano rappresentazioni con fattori irrilevanti come simbolo, canale e rumore. Mod-CL affronta questo problema creando coppie positive da diversi segmenti temporali dello stesso segnale, mantenendo il tipo di modulazione mentre altera la forma d'onda. Questo approccio consapevole del compito allinea l'auto-supervisione direttamente con la classificazione della modulazione. Ulteriori dettagli sono disponibili nel preprint arXiv 2605.11875.
Fatti principali
- Il preprint arXiv 2605.11875 introduce Mod-CL.
- Mod-CL è un framework di apprendimento contrastivo basato sulla coerenza di modulazione.
- Affronta l'alto costo dei dati etichettati nell'AMC basata su deep learning.
- I metodi SSL esistenti si basano su obiettivi di pretesto indipendenti dal compito.
- La coerenza di modulazione intra-istanza è identificata come un prior consapevole del compito.
- Le coppie positive sono costruite da diversi segmenti temporali dello stesso segnale.
- Il modello apprende rappresentazioni invarianti rispetto a simbolo, canale e rumore.
- L'articolo è disponibile su https://arxiv.org/abs/2605.11875.
Entità
Istituzioni
- arXiv