《Sensors》：MSTFFNet: Multi-Scale Time-Frequency Fusion with Self-Estimated SNR Conditioning for Robust Automatic Modulation Recognition
编辑推荐：
自动调制识别（AMR, Automatic Modulation Recognition）旨在未知信道条件下辨识接收射频（RF, Radio Frequency）信号的调制方式，是无线系统中频谱监测与信号解调的基础。然而在低信噪比（SNR, Signal-to
自动调制识别（AMR, Automatic Modulation Recognition）旨在未知信道条件下辨识接收射频（RF, Radio Frequency）信号的调制方式，是无线系统中频谱监测与信号解调的基础。然而在低信噪比（SNR, Signal-to-Noise Ratio）、多径衰落与有限观测长度下，调制信号的可判别特征被严重衰减，导致识别鲁棒性下降。研究人员提出MSTFFNet，一种多尺度时频融合网络，通过两项设计应对上述挑战。其一，借助双流异构编码在token层级融合原始同相/正交（I/Q, In-phase/Quadrature）信号与其短时傅里叶变换（STFT, Short-Time Fourier Transform）时频图，捕获互补的时域与频域特征。其二，网络不从外部依赖SNR真值，而是从I/Q特征自估计SNR分箱概率，生成信道质量嵌入以条件化分类器，推理时无需SNR标签。在RadioML2016.10a与10b基准上，MSTFFNet总体准确率分别达67.33%与70.87%，较最优方法提升3.53%与5.33%，低SNR区间分别提升5.91%与9.52%。结果表明其在两合成基准所覆盖SNR条件下、尤其低SNR下识别性能改善。
研究背景方面，现代无线系统中非协作接收场景增多，低SNR、衰落与信道不确定性严重削弱调制识别可靠性。传统基于似然（LB）与基于特征（FB）的方法依赖先验或专家设计特征，对噪声与参数失配敏感；现有深度学习（DL）方法在CNN、RNN、Transformer等单架构下难以同时兼顾局部波形、长程时序与全局依赖。多模态融合常采用简单晚期融合，低SNR下跨域关联捕捉不足；已有SNR感知方法多用外部SNR作训练先验或乘性门控，推理需真值且低SNR时易压制主信号通路。为此，研究人员在《Sensors》发表MSTFFNet，以双域输入、token级融合与自估计SNR分箱条件化分类解决上述问题。
关键技术方法上，研究人员以RadioML2016.10a（11类调制、22万样本）与10b（去AM-SSB、120万样本）为队列，每例取128点复数基带转2通道I/Q，STFT取64点FFT、64点Hann窗、跳步2，保留0–32频点构4通道（实、虚、幅、相）时频张量。模型含双流异构编码（Advanced IQEncoder多分支卷积+通道/空间注意力；STFT双路编码含时均路径A与自适应频带路径B）、token级1×1卷积融合、双向LSTM、线性复杂度加性注意力与局部-全局交互、SNR分箱自估计头（8区间软概率加权嵌入）及拼接式条件MLP分类头；损失为分类（CE+Focal+标签平滑）、辅助分类、跨模态InfoNCE、监督对比与SNR分箱交叉熵加权和，AdamW训练100轮。
研究结果部分，信号模型小节建立离散复基带接收方程，明确I/Q与全复STFT预处理流程，不施对数压缩与归一化。方法小节中，双流异构编码分别提取多尺度时域振幅-相位与频域结构，STFT双路径兼顾时包络与子带能分布；token融合与精炼小节在位置级线性融合I/Q与STFT token，经LSTM与加性注意力聚合全局上下文，避免低SNR乘性门控归零；SNR分箱自估计与条件分类小节由I/Q全局池化向量预测8箱概率，以可学习嵌入概率加权得16维信道质量向量，与128维融合特征拼接入MLP，推理无外部SNR；训练目标小节以五损失联合监督对比对齐与SNR表征。实验与结果小节显示，MSTFFNet在10a/10b总体准确率67.33%/70.87%，低SNR提升5.91%/9.52%，参数量1.98M、MACs 124.43M、纯网络延迟24.79ms/批；调制分析指出WBFM因128点过短持续FM特征与AM-DSB混淆（仅31.72%）；混淆矩阵与t-SNE表明PSK/QAM族内低SNR混淆随SNR升高分离；消融中双模态较IQ-only/STFT-only整体高5.85%/10.51%，STFT双路径使WBFM升至42.08%，Concat条件较None低SNR高4.38%、较Gating优；SNR分支自身Top-1 68.60%/75.47%、±1箱88.80%/94.87%，软分布较硬指派在错估1箱时AMR高15.03%/19.53%。
讨论与结论翻译：MSTFFNet是一种面向低SNR条件下自动调制识别的多尺度时频融合网络，结合原始I/Q与STFT表示的token级融合及I/Q派生SNR分箱自估计分支，加性注意力以线性复杂度捕获全局依赖。在RadioML2016.10a与10b基准上分别取得67.33%与70.87%总体准确率，优于对比最优方法。消融、受控条件实验与误差分层分析验证了双模态融合、SNR感知条件化与软概率表征的有效性，及方法对SNR分箱估计误差的鲁棒性。当前评估限于两相关合成基准的同分布划分，未确立跨数据集泛化、未见信道统计鲁棒性或资源受限硬件部署表现；未来工作将聚焦跨数据集泛化、信道失配、硬件损伤与真实空中信号验证，并探索多尺度时频表征与自监督预训练以提升泛化能力。
