La classification de la modulation automatique (AMC) dans les communications sans fil est à la fois un défi et joue un rôle crucial. Malgré l'utilisation généralisée de méthodes basées sur l'apprentissage en profondeur dans le traitement des signaux, elles sont confrontées au défi du changement de distribution du signal, en particulier dans diverses conditions de canal. Cet article présente un cadre de transfert fondé sur le transfert adaptatif nommé réseaux adverses d'apprentissage spectral (FLANs) pour la classification des signaux entre les scénarios. Cette méthode utilise la stabilité spectrale, en introduisant la technologie d'adaptation de fréquence (FA) pour intégrer les informations de canal cible dans le signal de domaine source. Pour résoudre les interférences inattendues dans le canal, un module d'adaptation de canal ajusté (FCA) est utilisé pour réduire les différences entre le domaine source et cible dues aux changements d'environnement du canal. Les résultats des expériences montrent que les FLANs surpassent les méthodes de transfert de pointe existantes, avec une augmentation de 5,2 points de pourcentage du taux de classification maximale sur l'ensemble de données multi-scénarios à haut rapport signal/bruit CSRC2023.

Spectre; réseaux adverses de génération; transfert de connaissances; classification automatique; communications sans fil