《IEEE Access》:MaRNet: A UAV Radio Frequency Recognition Method Combining Mamba With ResNet
编辑推荐:
摘要:论文研究了低信噪比(SNR)条件下无人机(UAV)射频(RF)信号检测问题。研究人员提出了一种新型架构 MaRNet,该架构将 Mamba 模块与残差网络(ResNet)框架协同结合。首先,采用短时傅里叶变换(STFT)获取时频谱图。利用肘部法(elbo
摘要:论文研究了低信噪比(SNR)条件下无人机(UAV)射频(RF)信号检测问题。研究人员提出了一种新型架构 MaRNet,该架构将 Mamba 模块与残差网络(ResNet)框架协同结合。首先,采用短时傅里叶变换(STFT)获取时频谱图。利用肘部法(elbow method)确定最优滑动窗口长度,在短时局部特征与整体频谱特征之间取得平衡,从而提供更具判别性的输入。随后,网络充分利用 ResNet 在深层架构中稳定训练与高效特征提取的能力。同时,Mamba 模块的多层级状态空间模型(SSM)及特征融合机制显著增强了对复杂时频特征中长程依赖关系与潜在相关性的捕获能力。因此,所提出的方法能够缩短单样本处理时间并显著提升检测精度。此外,研究中引入了效率得分(Efficiency Score),用于联合考虑准确率与推理时间,从而实现对不同窗函数策略的定量评估。实验结果表明,在低 SNR 条件下,所提出方法取得了 98.2% 的 F1-score、99.1% 的准确率(accuracy),以及 96.7% 的召回率(recall)和平均精度均值(mAP)。此外,MaRNet 在有效识别 9,000 张未标注 STFT 谱图方面表现出较强鲁棒性,其整体性能优于其他对比模型。
该论文发表于《IEEE Access》,围绕复杂电磁环境下无人机(UAV)射频(RF)信号检测与识别展开研究,重点解决低信噪比(SNR)条件下识别准确率下降、特征表达不足以及模型实时性与鲁棒性难以兼顾的问题。随着无人机在物流、交通管理、农业监测、执法和应急响应等领域的广泛应用,非法或恶意使用带来的公共安全与隐私风险日益突出,尤其是对低慢小目标的准确探测与识别已成为关键技术挑战。现有无人机检测方法主要包括声学、视觉、雷达和 RF 方法,但这些方法在真实复杂场景中均存在一定局限:声学方法易受环境噪声干扰,视觉方法依赖成像条件与遮挡情况,雷达方法对低雷达散射截面(RCS)目标识别能力有限,而传统 RF 方法则较多依赖浅层特征,难以在复杂信道和噪声背景中提取深层判别信息。基于此,研究人员提出 MaRNet,试图利用深度学习在自动特征提取方面的优势,提高无人机 RF 信号识别的稳定性、准确性和计算效率。
从研究设计看,研究人员首先对原始 I/Q 数据进行预处理,通过添加加性高斯白噪声(AWGN)模拟从 ?15 dB 到 15 dB、步长为 3 dB 的不同退化信道条件;随后采用滑动窗口分段与短时傅里叶变换(STFT)将非平稳 RF 信号转换为时频谱图;在此基础上,构建融合 Mamba 与残差网络(ResNet)的混合深度学习模型 MaRNet,并通过肘部法(elbow method)选择最优时间窗长度,同时提出效率得分(Efficiency Score)联合评估精度与推理时间。研究使用 University of Tampere 发布的 Drone RF 数据集,原始记录来自消声室环境,实验中选取 7 类无人机,其中多频段机型同时使用 2.4 GHz 与 5.8 GHz 记录,合计形成 10 条原始 RF 样本;每类样本经滑动窗口切分后生成 STFT 谱图,并按 8:1:1 划分训练集、验证集和测试集,且在固定窗口配置下于窗口层面完成划分,以避免重叠片段造成信息泄漏。
主要技术方法可概括如下:其一,采用滑动窗口结合 STFT 提取 RF 信号时频特征,并将单通道幅度谱图调整为 224×224 后复制为 3 通道输入,以适配标准视觉骨干网络;其二,利用肘部法比较不同时间窗下的精度与损失变化,并以效率得分衡量准确率/处理时间的综合权衡;其三,提出 MaRNet,在 ResNet 残差单元内部嵌入 Mamba Block,使卷积局部建模与基于状态空间模型(SSM)的长程依赖建模在同一残差路径中协同优化;其四,在统一训练设置下,与 GoogleNet、ViT、YOLOv5 系列、ResNet 系列及 ConvNeXt 等模型进行对比,并通过消融实验验证 Mamba Block 与残差连接的独立贡献。
研究结果部分可按论文中的小标题概括如下。
Optimal Time Window
这一部分主要讨论 STFT 时间窗长度的选择对识别性能与计算开销的影响。研究人员设置了 9 种时间窗长度,即 2
N ms(N=0,1,…,8),分别训练对应数据集并比较训练准确率、损失、总处理时间以及不同 SNR 条件下的表现。结果表明,随着时间窗增大,模型收敛速度和最终性能存在明显变化;当时间窗超过 16 ms 后,准确率和收敛速率均有显著改善。进一步比较显示,32 ms 时间窗在性能与计算效率之间取得最佳平衡,其最高准确率约为 98.97%,STFT 生成时间仅为 0.445 ms。尽管 64 ms、128 ms 和 256 ms 也能维持较高准确率,但处理开销持续上升。为此,研究人员定义效率得分 Efficiency_Score=Accuracy/Processing_Time,用于直观比较窗长策略。结果显示,32 ms、64 ms、128 ms 的效率得分分别为 230.16、106.10 和 50.29,说明 32 ms 在综合权衡上最优。进一步在 32 ms 与 64 ms 配置下比较不同 SNR 的训练曲线后发现,两者都会随 SNR 提高而稳定收敛,但 32 ms 具有更快收敛速度和更低计算负担,因此被确定为后续实验的最优时间窗。
Comparison Experiments
这一部分通过统一数据输入形式和训练设置,对 MaRNet 与多种传统及先进模型进行系统比较。研究人员选取 GoogleNet、视觉 Transformer(ViT)、YOLOv5 系列、ResNet 系列及其注意力增强变体、ConvNeXt 等模型,评价指标包括准确率(Accuracy)、召回率(Recall)、平均精度均值(mAP)和 F1-score。结果表明,通用图像模型如 GoogleNet 和 ViT 在该时频谱图识别任务上的准确率大致为 92%–93%,说明其对复杂时频融合特征的适应性有限。YOLOv5 基础模型准确率约 93.5%,引入 SE 与 CBAM 等注意力机制后,召回率和 mAP 有所提升。ResNet50 的准确率接近 97.5%,结合注意力模块后可接近甚至超过 98%;ConvNeXt 的准确率达到 98.2%。相比之下,所提出的 MaRNet 取得了 99.1% 的准确率、98.2% 的 F1-score,以及 96.7% 的召回率和 mAP,整体优于所有对比模型。该结果说明,将 Mamba 的长序列建模能力与 ResNet 的稳定深层特征提取能力相结合,能够更有效地识别无人机 RF 信号中的判别性时频模式,特别适用于低 SNR 条件下的复杂识别任务。
Ablation Studies
这一部分用于分析模型内部关键模块的作用。研究人员围绕 Mamba Block 与残差连接两项核心设计开展消融实验,比较不同模块组合下的 Accuracy、mAP、Recall 和 F1-score。结果表明,当 Mamba Block 与残差连接同时保留时,模型性能最佳,Accuracy 为 99.1%,F1-score 为 98.2%。如果去除 Mamba Block 而保留残差连接,模型仍能保持较高准确率,但 mAP 与 F1-score 明显下降,说明 Mamba Block 在深层特征表示与复杂时频依赖建模方面具有增益作用。相反,若去除残差连接而保留 Mamba Block,各项指标均不同程度下降,表明残差结构对于深层网络训练稳定性具有关键支撑作用。该消融结果证明,Mamba Block 与残差连接并非简单叠加,而是在多维 RF 时频特征挖掘中形成互补,从而共同提升模型的判别能力和鲁棒性。
从方法论层面看,论文的核心创新在于并未将卷积神经网络(CNN)与序列模型机械串联,而是通过 MaR Block 将卷积子块与 Mamba Block 紧密集成在同一残差单元内。卷积部分负责提取局部时频纹理与空间模式,Mamba 部分则在残差路径内部对中间特征进行基于 SSM 的长程依赖建模和特征细化,再通过跳跃连接与输入融合。该设计有两个明确特点:一是在多个残差阶段、不同空间分辨率上嵌入 Mamba,实现多尺度 SSM 建模;二是卷积与 Mamba 分支共享同一残差捷径,使局部信息与全局信息在端到端训练中联合优化。这一结构与前处理阶段的基于肘部法的窗长选择共同构成紧耦合的时频建模流程,是论文取得高性能的重要基础。
讨论部分表明,研究结果支持以下判断:在低 SNR 与强干扰背景下,仅依赖浅层 RF 特征或常规图像网络难以充分表征无人机通信信号的复杂时间—频率结构,而将 STFT 谱图表示、合理窗长选择、深层残差学习和 Mamba 的长依赖建模相结合,能够显著提升识别精度、稳定性与泛化能力。研究同时指出,Efficiency Score 更适合作为工程启发式指标,用于直观比较时间窗策略,而不能替代标准统计评估;此外,更复杂的真实信道效应如多径衰落、多普勒频移和同信道干扰并未在本文中实测建模,而是留待后续研究。
结论部分可译为:研究提出了 MaRNet,这是一种将 Mamba 模块与 ResNet 架构协同融合的新型无人机 RF 检测方法,可在复杂条件下实现高效识别与分类。在信号预处理阶段,研究人员利用肘部法分析不同时间窗配置,并引入效率得分策略。该策略综合考虑模型性能与计算成本,用于确定最优时间窗长度。实验结果表明,所提出方法在多项评价指标上均表现优异,展现出更强的检测能力和良好的泛化性能,尤其在具有挑战性的信道环境中优势更加明显。总体而言,该研究为低 SNR 条件下无人机 RF 智能识别提供了一种兼顾精度、鲁棒性与效率的有效方案。