मॉड्यूलेशन सिग्नल के लिए कुशल विशेषता प्रतिनिधित्व हासिल करना: एक सहयोगात्मक कंट्रास्ट लर्निंग दृष्टिकोण

बिना रुकावट वाले इंटरनेट ऑफ थिंग्स (IoT) कनेक्शन वायरलेस नेटवर्क में कई कमजोरियों को उजागर करते हैं, और IoT उपकरण अनिवार्य रूप से कई दुर्भावनापूर्ण सक्रिय हमलों का सामना करते हैं। स्वचालित मॉड्यूलेशन पहचान (AMR) IoT भौतिक स्तर के खतरों से निपटने का एक प्रभावी तरीका है। गैर-सहयोगात्मक संचार के क्षेत्र में, लेबल रहित संकेतों के लिए विशेषता प्रतिनिधित्व सीखना AMR का एक महत्वपूर्ण कार्य है। हालांकि, पूर्वज्ञान की अनुपलब्धता और सिग्नल ट्रांसमिशन के दौरान व्यवधान के प्रभाव के कारण, इंटरसेप्ट किए गए लेबल रहित संकेतों का कुशल विशेषता प्रतिनिधित्व करना मुश्किल है। इस लेख में, हम लेबल रहित मॉड्यूलेशन सिग्नल के लिए सहयोगात्मक कंट्रास्ट लर्निंग (CoCL-Sig) का प्रस्ताव करते हैं। विशेष रूप से, CoCL-Sig को अनुक्रम औरconstellation diagram विधाओं का उपयोग करके प्रशिक्षित किया जाता है, और इसे दो भागों में विभाजित किया जाता है: 1) मोड-स्तरीय विशेषता प्रतिनिधित्व और 2) उदाहरण-स्तरीय सहायक विशेषता प्रतिनिधित्व। मोड-स्तरीय विशेषता प्रतिनिधित्व में, दो मोड प्रक्षिप्तियों को समान हाइपरप्लेन स्थान में मिलाया जाता है। विशेषता प्रतिनिधित्व की स्थिरता सुनिश्चित करने के लिए, अनुक्रम के उदाहरण-स्तरीय विशेषता प्रतिनिधित्व के लिए एक अनुक्रम सहायक शाखा जोड़ी जाती है। इसके अतिरिक्त, CoCL-Sig द्वारा प्राप्त विशेषता प्रतिनिधित्व को अर्ध-निगरानी वर्गीकरण और क्लस्टरिंग कार्यों के लिए मॉड्यूलेशन संकेतों पर लागू किया जा सकता है। हमने दो व्यापक रूप से उपयोग किए जाने वाले मॉड्यूलेशन संकेत डेटा सेट्स, RML2016.10A और RML2016.04C पर व्यापक प्रयोग किए हैं। परिणाम हमारे तरीके की मॉड्यूलेशन सिग्नल विशेषता प्रतिनिधित्व में प्रभावशीलता और अन्य तरीकों की तुलना में इसके श्रेष्ठता को दर्शाते हैं।