用于鲁棒射频信号分类的小波散射变换：实验分析与参数优化

《Measurement: Interdisciplinary Research and Perspectives》：Wavelet Scattering Transform for Robust RF Signal Classification: Experimental Analysis and Parameter Optimization

　　

摘要

本文研究了小波散射变换（WST）作为射频（RF）信号分类的结构化表示方法，并着重探讨其主要参数的影响。该研究考察了散射倍频程数量 $\mathit{J}$、每个倍频程的小波滤波器数量，以及最大散射阶数 $\mathit{m}$ 在控制时间尺度覆盖、频率分辨率、表示维度以及不变性方面的作用。该分析受到射频信号中出现的异构时域和频谱特性的启发，包括无线通信和无人机相关发射信号。本文使用 RadioML 2016.10A 基准数据集进行了实验评估。在统一的基于支持向量机（SVM）的监督分类框架下对 WST 特征进行评估，并在受控实验条件下与短时傅里叶变换（STFT）和小波包变换（WPT）表示方法进行比较。结果表明，输入表示和 WST 参数设置对分类性能有显著影响。系统的参数敏感性研究在各项实验设置中确定了 $(\mathit{J},\mathit{Q}(,\mathit{Q})=(6,2)$ 配合 $\mathit{m}=2$ 为最佳性能配置，在所采用的基准协议上实现了 $98.03\mathrm{\%}$ 的准确率。对比实验还表明，在所采用的参考配置下，WST 提供的分类准确率高于所考察的 STFT 和 WPT 表示方法。这些结果为射频信号分类中 WST 参数的选择提供了实践参考。本文所报告的发现应视为在 RadioML 2016.10A 基准下的经验性评估，不应被视为在未见过的射频环境或空中测量中具有普遍泛化能力的证据。