Автоматическая модуляция классификации (AMC) в беспроводной связи одновременно вызывает многочисленные вызовы и играет крайне важную роль. Несмотря на широкое использование методов, основанных на глубоком обучении в обработке сигналов, они сталкиваются с вызовами изменения распределения сигнала, особенно в различных условиях канала. В настоящей статье представлена модель переноса на основе адаптивного переноса, называемая боевые спектральные нейронные сети (FLANs), для классификации сигналов между сценариями. Этот метод использует стабильность спектра, внедряя технологию адаптации частот (FA), чтобы внедрить информацию о целевом канале в исходный сигнал. Для решения непредсказуемых помех в канале используется модуль подгонки адаптации канала (FCA), чтобы уменьшить различия между исходной и целевой областями из-за изменения среды канала. Результаты экспериментов показывают, что FLANs превосходят существующие передовые методы переноса, их точность классификации максимального уровня улучшилась на 5,2 процентных пункта на многомодальном и высокоскоростном наборе данных CSRC2023.

Спектр; сети сопротивления генерации; передача знаний; автоматическая классификация модуляции; беспроводная связь