《Scientific Reports》：Robust spectrogram-based automatic modulation classification via deep CNN-LSTM architecture
编辑推荐：
自动调制分类（AMC）是现代通信系统中的一项关键任务，能够识别接收信号中的调制方案。本文提出了一种通过混合技术——卷积神经网络（CNN）和长短期记忆网络（LSTM）——并以频谱图作为输入特征来实现更精确AMC的模型。该系统在加性高斯白噪声（AWGN）影响下进行
自动调制分类（AMC）是现代通信系统中的一项关键任务，能够识别接收信号中的调制方案。本文提出了一种通过混合技术——卷积神经网络（CNN）和长短期记忆网络（LSTM）——并以频谱图作为输入特征来实现更精确AMC的模型。该系统在加性高斯白噪声（AWGN）影响下进行评估，信噪比（SNR）设置为-5、5和10 dB。模型采用Adam优化器训练，固定学习率为0.00001，小批量大小为32，训练轮次为4。报告的整体准确率在-5、5和10 dB条件下分别为75.00%、87.73%和99.68%。CPFSK在-5和5 dB下的准确率为0%，在10 dB下为100%。这些结果表明在所评估的MATLAB/AWGN测试配置下性能强劲，但并未证明在多径衰落、多普勒效应、定时偏移、非高斯噪声、其他训练/测试划分方式、其他优化器或学习率调度策略或其他时频表示下的鲁棒性。此外，超过四个轮次的收敛情况、纯CNN/纯LSTM消融实验、短时傅里叶变换（STFT）敏感性、模型参数量以及推理延迟均未进行实验评估。因此，所报告的结果应被视为特定数据集和信道条件下的证据，而非对其他AMC方法的优越性的确定性声明。
一、研究背景与目的
自动调制分类（AMC）在现代通信系统中扮演着至关重要的角色，其目标是在未知传输信号参数的情况下，识别射频信号的调制类型。这一功能对于认知无线电、军事通信和信号情报等应用至关重要。传统的AMC方法严重依赖人工特征提取和统计信号处理技术，但在低信噪比（SNR）、高噪声水平等复杂环境下表现不佳。近年来，深度学习技术的发展为AMC带来了新的突破，尤其是卷积神经网络（CNN）和长短期记忆网络（LSTM）。CNN擅长从空间数据中提取局部特征，而LSTM则擅长捕捉时间序列中的长期依赖关系。将两者结合的混合模型有望同时利用空间和时间特征，从而提高分类精度。然而，现有研究仍面临挑战，特别是在中低SNR条件下，高质量的分类效果尚未得到有效解决。本研究旨在填补这一空白，通过提出一种基于CNN-LSTM混合架构并以频谱图作为输入的AMC系统，在不同噪声条件下实现更高的分类性能。
二、研究方法
研究人员采用了以下关键技术方法：
- 1.
数据生成：使用MATLAB生成了一个包含11种调制类型（包括8种数字调制：BPSK、QPSK、8PSK、16QAM、64QAM、PAM4、CPFSK、4ASK，以及3种模拟调制：BFM、DSBAM、SSBAM）的平衡数据集，每种调制类型生成1000帧信号，每帧包含2048个采样点，采样频率为200 kHz，符号采样率为8。
- 2.
预处理（STFT）：对时域信号应用短时傅里叶变换（STFT）生成频谱图作为输入特征。采用长度为128个采样的汉明窗（周期型），相邻窗口重叠120个采样，FFT长度为256点，最终将频谱图调整为256×256像素的统一尺寸。
- 3.
CNN-LSTM混合模型架构：模型由三层CNN和两层LSTM组成，后接全连接层和Softmax分类层。CNN部分用于提取空间特征，LSTM部分用于建模时序依赖关系。具体结构为：第一层CNN含32个3×3滤波器，第二层含64个3×3滤波器，第三层含128个3×3滤波器，每层后接2×2最大池化。展平后连接两个LSTM层（分别含128和64个单元），最后通过全连接层输出11类调制类型的概率分布。
- 4.
训练配置：采用Adam优化器，固定学习率为0.00001，小批量大小为32，训练轮次为4，数据按60%训练、20%验证、20%测试的比例划分。
三、研究结果
1. 在-5 dB SNR下的性能
在强噪声条件（SNR=-5 dB）下，模型整体分类准确率为75%。BPSK、QPSK、8PSK、16QAM、BFM和SSBAM实现了100%的准确率，而64QAM（39.5%）、DSBAM（35.5%）和4ASK（71.5%）显著下降，CPFSK准确率为0%。混淆矩阵显示，96.5%的CPFSK测试帧被误判为PAM4，表明在STFT设置下CPFSK与PAM4的频谱图特征高度重叠。独立复现的CPFSK频谱图进一步证实了这种视觉相似性。
2. 在5 dB SNR下的性能
在中等噪声条件（SNR=5 dB）下，模型整体准确率提升至87.73%。大多数调制类型（BPSK、QPSK、8PSK、PAM4、BFM、SSBAM）达到100%准确率，64QAM从-5 dB时的39.5%大幅提升至93%，DSBAM达到98.5%。但CPFSK仍然保持0%准确率，所有200个测试帧均被预测为PAM4，表明这是一个系统性的决策边界问题而非随机错误。
3. 在10 dB SNR下的性能
在高SNR条件（SNR=10 dB）下，模型整体准确率达到近乎完美的99.68%。除DSBAM为99.5%外，其余所有调制类型（包括CPFSK）均实现100%准确率。这表明在噪声干扰最小的情况下，模型能够有效利用信号的时频特性进行分类。
4. 训练时间与参数
三个SNR条件下的训练时间分别为212分钟（-5 dB）、217分钟（5 dB）和224分钟（10 dB），均在同一硬件平台和固定超参数下完成。
四、结论与局限性
研究结论：本工作提出的基于混合CNN-LSTM模型并以频谱图为输入特征的AMC框架，成功捕获了调制信号的空间和时间属性。在MATLAB生成的AWGN数据集上，模型在-5 dB、5 dB和10 dB SNR下分别取得了75%、87.73%和99.68%的整体分类准确率，几乎所有调制类型在高SNR下均接近100%的精确率、召回率和F1分数。这些结果证明了所提配置在特定MATLAB/AWGN条件下的有效性。
局限性：本研究存在多项局限性。第一，数据集仅在AWGN条件下生成和评估，未测试多径衰落、多普勒频移、定时偏移等实际无线信道效应。第二，CPFSK在-5 dB和5 dB下准确率为0%，但未进行专门的混叠诊断或STFT参数扫描，根本原因尚未确定。第三，模型仅训练4个轮次，未进行收敛曲线分析、更长训练实验或CNN/LSTM消融研究。第四，STFT配置未进行正式敏感性分析，也未与连续小波变换（CWT）或离散小波变换（DWT）进行比较。第五，仅采用单一数据划分比例（60/20/20），未测试替代划分方式。第六，仅使用Adam优化器，未与其他优化器或学习率调度策略比较。第七，未报告可训练参数量、FLOPs、内存消耗或硬件特定推理延迟，无法评估实时可行性。因此，所报告的结果不应被解释为对其他AMC方法的普遍优越性或实时适用性的证明。
