Ultralight Signal Classification Model for Automatic Modulation Recognition

要約

レーダー信号の複雑さが増すにつれ、リソースに制約のあるエッジ デバイス上で効率的に動作できる、応答性が高く正確な検出システムが求められます。
既存のモデルは効果的ではありますが、多くの場合、大量の計算リソースと大規模なデータセットに依存しているため、エッジ展開には非現実的です。
この研究では、エッジ アプリケーション向けに最適化された超軽量ハイブリッド ニューラル ネットワークを提案します。クラスあたり 100 未満のサンプルを使用して、好ましくない信号対雑音比全体で堅牢なパフォーマンス (0 dB での平均精度 96.3%) を実現し、計算オーバーヘッドを大幅に削減します。
。

要約(オリジナル)

The growing complexity of radar signals demands responsive and accurate detection systems that can operate efficiently on resource-constrained edge devices. Existing models, while effective, often rely on substantial computational resources and large datasets, making them impractical for edge deployment. In this work, we propose an ultralight hybrid neural network optimized for edge applications, delivering robust performance across unfavorable signal-to-noise ratios (mean accuracy of 96.3% at 0 dB) using less than 100 samples per class, and significantly reducing computational overhead.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google