基于原始I/Q数据的数字调制信号深度学习分类研究
On Deep Learning Classification of Digitally Modulated Signals Using Raw I/Q Data
AI总结：
本文研究基于原始I/Q数据的数字调制信号深度学习分类，通过残差网络和卷积神经网络在独立生成的不同数据集上进行跨数据集训练与测试，评估神经网络的泛化能力。
摘要：
本文研究基于I/Q数据的数字调制信号深度学习分类问题，并考察已训练神经网络（NN）在训练集与测试集不同时，对其已学习识别的数字调制信号进行正确分类的泛化能力。具体而言，我们同时考虑残差网络（RN）和卷积神经网络（CNN），并将它们与两个不同的数据集结合使用。这两个数据集包含相似类别的数字调制信号，但通过不同方式独立生成，其中一个数据集用于训练，另一个用于测试。
英文摘要：
The paper considers the problem of deep-learning-based classification of digitally modulated signals using I/Q data and studies the generalization ability of a trained neural network (NN) to correctly classify digitally modulated signals it has been trained to recognize when the training and testing datasets are distinct. Specifically, we consider both a residual network (RN) and a convolutional neural network (CNN) and use them in conjunction with two different datasets that contain similar classes of digitally modulated signals but that have been generated independently using different means, with one dataset used for training and the other one for testing.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
