基于迁移与自监督学习的小样本射频指纹识别教学研究

关曼玉; 简蕊; 李慢; 刘雯秀; 李广博

doi:10.65436/hssj.v1i6.39

Authors

关曼玉淮北理工学院经济与管理学院
简蕊淮北理工学院电子与信息工程学院
李慢淮北理工学院电子与信息工程学院
刘雯秀淮北理工学院电子与信息工程学院
李广博淮北理工学院电子与信息工程学院

DOI:

https://doi.org/10.65436/hssj.v1i6.39

Keywords:

迁移学习；对比学习；小样本学习；射频指纹识别；BYOL自监督框架

Abstract

摘要：人工智能是让机器学习行为并模拟人类智能的学科，广泛应用且社会发展至关重要，而人工智能教学对帮助理解学生抽象知识、深刻领悟原理至关重要。基于迁移学习与自监督对比学习的小样本射频识别展开研究。工作从两个方面开展：一是讲解迁移学习、对比学习如BYOL自监督框架、小样本学习的理论与应用；二是通过实验可视化结果验证方法吸力，该方法在小样本场景下表现较好。为人工智能教学提供了完整的理论与实践方案，有助于提升教学效果，对人工智能未来教学具有重要意义。

基金项目：安徽省教育厅自然科学研究项目（重大）（2024AH040217）；省级质量工程教学研究项目（2023jyxm1009；2023xjzlts117；2023sdxx145）；基于人工智能下的家禽康养与疾病预警技术研究（S202413） 620055）；基于自监督学习与对抗增强的小样本信号的智能采集研究（2025SK019）；基于深度学习的生猪识别与康养研究（S202513620083）；安徽省智慧农业技术与装备重点实验室开放基金（AEC2026016；AEC2025009）

References

[1]李广博, 臧宇祺, 闫佳乐等. 新时代人工智能专业质量提升探索[J]. 社会科学前沿, 2024,13(7):665-671.https://doi.org/10.12677/ass.2024.137645

[2]黄科举.数据驱动与知识引导相结合的通信辐射源个体识别技术研究[D].国防科技大学，2022.DOI：10.27052/d.cnki.gzjgu.2022.000093.

[3]LIU Chao et al., "Overcoming Data Limitations:A Few-Shot Specific Emitter Identification Method Using Self-Supervised Learning and Adversarial Augmentation," in IEEE Transactions on Information Forensics and Security, vol.19,pp.500513,2024,doi:10.1109/TIFS.2023.3324394.

[4]桂冠,陶梦圆,王诚,等.面向特定辐射源识别的小样本学习方法综述[J].南通大学学报(自然科学版版),2023,22(03):1-16.

[5]T. Miyato, S.-I. Maeda, M. Koyama, and S. Ishii, “Virtual adversarial training: A regularization method for supervised and semi-supervised learning,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 41, no. 8,pp. 1979–1993, Aug. 2019.

[6]WANG Y, GUI G, GACANIN H, et al. An efficient specific emitter identification method based on complex-valued neural networks and network compression[J]. IEEE Journal on Selected Areas in Communications,2021, 39(8): 2305-2317.

[7]Y. Tu et al., “Large-scale real-world radio signal recognition with deep learning,” Chin. J. Aeronaut., vol. 35, no. 9, pp. 35–48, Sep. 2022