调制先验增强的跨模态图学习框架用于低信噪比自动调制识别

《Sensors》：Modulation-Prior Enhanced Cross-Modal Graph Learning for Low-SNR Automatic Modulation Recognition

　　

自动调制识别（Automatic Modulation Recognition，AMR）是智能频谱感知、非合作无线信号分析和通信监测的关键使能技术。然而，在低信噪比（Signal-to-Noise Ratio，SNR）条件下，其可靠性显著下降，此时噪声会削弱局部I/Q波形模式，模糊时频结构，并限制单域表示的鲁棒性。尽管多模态AMR方法通过结合I/Q和时频表示改善了识别性能，但其中许多方法仍采用固定的融合规则，这可能无法反映不同模态在不同SNR水平下可靠性变化的事实。此外，大多数现有主干网络以欧氏方式建模信号序列，缺乏在强噪声下捕获信号令牌（token）间自适应关系结构的显式机制。针对这些局限，本文提出了MPCG-Net——一种用于低信噪比AMR的调制先验增强跨模态图学习框架。MPCG-Net首先执行调制先验增强的跨模态编码，其中可学习的多分辨率频谱-时间表示学习增强了输入表示，而训练阶段中SNR感知的跨模态一致性对齐则改善了I/Q令牌与频谱-时间令牌之间的互补交互。随后，调制上下文记忆模块在构图之前精炼融合后的令牌。在基于图的关系学习阶段，构建了一个包含自环、局部时序链边和Top-k特征相似边的时序相似图，以学习更具判别性的图级信号表示。在RadioML2016.10A、RadioML2016.10B和RML22数据集上的实验验证了所提设计的有效性。与各数据集上最强基线相比，MPCG-Net在?20至0 dB低信噪比区间的平均准确率分别提升了6.90、6.45和1.66个百分点，同时保持了轻量级的模型规模。

**论文解读：MPCG-Net——面向低信噪比自动调制识别的调制先验增强跨模态图学习框架**

**一、研究背景与问题**

自动调制识别（Automatic Modulation Recognition，AMR）旨在未知发射参数的情况下识别接收信号的调制格式，是连接信号检测与解调的关键中间环节，为智能频谱感知、认知无线电、非合作通信分析和频谱管理提供必要先验信息。随着电磁环境日益复杂，低信噪比（Signal-to-Noise Ratio，SNR）条件下AMR的鲁棒性问题愈发突出：强噪声会破坏局部I/Q波形细节，模糊时频结构，使单域表示难以可靠捕获调制证据。

现有方法分为基于似然和基于特征两类途径：前者理论上最优但计算复杂度高且依赖理想参数估计，后者依赖人工设计的特征（如高阶累积量、循环平稳特征等），在低SNR下判别力显著衰退。深度学习方法通过端到端学习自动提取特征，但多数模型仍以欧氏方式沿序列或图像维度处理信号，缺乏对信号令牌（token）间非局部关系结构的显式建模。多模态AMR则通过结合I/Q波形与时频表示获取互补信息，但通常采用固定融合策略，无法适应跨SNR条件下不同模态可靠性的动态变化。图神经网络（Graph Neural Network，GNN）为建模非欧关系提供了新思路，但现有图类AMR方法多在噪声削弱的多模态证据未经充分精炼前就构造图，且节点关系仍局限于局部采样段，未能充分挖掘上下文精炼后令牌间的非局部依赖。

**二、研究内容与意义**

研究人员在本工作中提出MPCG-Net框架，其核心思想是从常见调制信号模型中归纳两类在强噪声下仍能保持信息量的结构先验——频谱-时间尺度先验（spectro-temporal scale prior）和时序依赖先验（temporal-dependence prior），并将这些调制域知识分别注入跨模态表示学习和图关系学习两个阶段。MPCG-Net通过可学习多分辨率短时傅里叶变换（Short-Time Fourier Transform，STFT）编码器、SNR感知跨模态一致性学习（Cross-Modal Consistency Learning，CMCL）、调制上下文记忆模块（Modulation Context Memory Module，MCMM）以及时序相似图（temporal similarity graph）的层次化图学习，统一实现了多尺度频谱-时间互补证据的暴露、时序依赖证据的整合及令牌间局部/非局部关系的自适应组织。该框架为低SNR AMR提供了一种将信号结构先验与数据驱动图学习相结合的新路径，其轻量级参数规模下的显著准确率提升具有重要的实际部署参考价值。

**三、关键技术方法**

MPCG-Net采用双分支（I/Q分支和频谱-时间分支）渐进式处理流程。I/Q分支通过时序编码器从原始复基带信号中提取波形令牌；频谱-时间分支对同一信号构造三种不同窗长（16、32、48）的STFT对数幅度谱，经共享令牌空间投影后由softmax归一化的全局可学习权重自适应融合，实例化频谱-时间尺度先验。训练阶段引入SNR感知的CMCL正则项：在指定低SNR区间由频谱-时间令牌引导I/Q令牌，高SNR区间反向传导，中间区间双向对齐，以促进两个模态的互补信息交换；其具体实现形式为令牌级蒸馏（Token-Level Distillation，TDL）。融合令牌接着进入MCMM：先通过能量增强响应和GRU驱动的通道–时序注意力门进行残差重标定，再经双向LSTM聚合前向与后向上下文，实例化时序依赖先验。精炼后的令牌经特征维度压缩后构造时序相似图，其邻接矩阵由自环、局部时序链边和基于余弦相似度并施加时序距离惩罚的Top-k特征相似边三部分组成。图学习采用DenseSAGEConv–DiffPool层次化架构，经两层可微池化产生图级表示，最后通过多层感知机分类。实验在三个公开基准数据集（RadioML2016.10A、RadioML2016.10B和RML22）上开展，所有样本以60%/20%/20%的比例划分为训练集、验证集和测试集，训练设置统一采用AdamW优化器、ReduceLROnPlateau调度器及最大100个epoch。

**四、主要研究结果**

（1）基线对比实验：与MCLDNN、AMCNet、AvgNet、FEA-T和IQFormer五个代表性基线模型对比，MPCG-Net在三个数据集上均取得最优的整体准确率和低SNR（?20至0 dB）平均准确率。相较于各数据集最强基线IQFormer，低SNR平均准确率在RadioML2016.10A上提升6.90个百分点（达46.96%），RadioML2016.10B上提升6.45个百分点（达48.73%），RML22上提升1.66个百分点（达48.59%）。模型仅含20.13M神经层MACs，虽然因包含三分辨率STFT前端和动态图构造等非MAC统计操作，端到端CPU延迟较高（中位值32.66ms），但整体仍处于低延迟推理范畴。准确率–SNR曲线显示MPCG-Net的优势在整个低SNR区间保持连贯，并非由孤立SNR点造成。

（2）实测射频干扰鲁棒性评估：在RadioML2016.10A测试集中叠加来自RF Challenge数据集的四种实测射频干扰波形（EMISignal1、CommSignal2、CommSignal3、CommSignal5G1），在?20至0 dB SNR范围和?10、0、5、10 dB四个信干比（Signal-to-Interference Ratio，SIR）条件下评估。MPCG-Net在所有干扰类型下均取得最高平均准确率，相较IQFormer整体高出5.88个百分点，且未使用干扰样本重新训练或微调，验证了其对未见实测干扰的鲁棒泛化性。

（3）组件消融实验：分别移除可学习多分辨率聚合（learnable MRA）、跨模态一致性学习和调制上下文记忆模块，三个数据集上完整MPCG-Net均取得最优成绩。移除可学习MRA（改用等权重）在RadioML2016.10A和RadioML2016.10B上造成最大性能衰退，表明自适应组合不同时频分辨率是框架的核心增益来源。移除CMCL和MCMM也导致准确率下降，证实一致性正则化和上下文精炼对节点特征质量的积极作用。受控分解实验进一步揭示：可学习多分辨率表示是性能提升的首要贡献者，CMCL主要起辅助正则化作用，MCMM提供了时序依赖精炼的额外增益。

（4）多分辨率STFT消融：学习型权重设置优于等权重和单分辨率变体。在单一分辨率中，中等窗长（32点）优于短窗（16点）和长窗（48点），但三者均明显不及学习型多分辨率设计。训练过程中多分辨率权重的动态演化曲线表明前端确实学到了数据驱动的分辨率偏好，而非保持固定取值。

（5）图构造与CMCL系数消融：五种子随机图消融显示，完整图学习阶段相较无图模型在平均整体和低SNR准确率上分别提升1.80和1.92个百分点，但该增益主要来源于图主干网络、层次池化和图级分类等共享组件；在匹配参数量的图主干下，完整时序相似图拓扑相较仅含自环的基本图仅增0.16和0.28个百分点，表明混合拓扑提供正向但有限的增量贡献。CMCL系数λ在0.3时取得最优准确率，过大或过小均会降低性能。

（6）可视化分析：在0、?10和?20 dB SNR点，混淆矩阵显示随着SNR降低对角线结构逐渐弱化，但各类调制格式的判别性仍然保留；降解模式在RadioML2016.10A/B上主要表现为结构相似调制类别间混淆增加，RML22则呈更广泛的误差分布。t-SNE可视化表明表示流形在低SNR下变得较不紧致，但即使在?20 dB处仍能观察到清晰的聚类趋势，这与双阶段设计——先形成鲁棒节点特征再将局部与非局部依赖组织起来——的理念一致。

**五、研究结论**

本文提出了一种用于低SNR条件下鲁棒自动调制识别的调制先验增强跨模态图学习框架MPCG-Net。研究主要发现归纳如下：第一，MPCG-Net提供了一个统一的双阶段框架，其中调制域知识首先引导跨模态表示形成，随后图学习组织精炼令牌间的关系。第二，可学习多分辨率STFT前端是框架中影响最大的组件，与固定分辨率或等权重变体相比，自适应聚合策略提供了更强的低SNR性能，实证支持了调制证据分布于互补时频尺度的频谱-时间尺度先验。第三，跨模态一致性学习、调制上下文记忆模块和图学习在可学习多分辨率表示的主导贡献之外提供了补充性增益；在匹配图主干和参数量的条件下，完整时序相似图拓扑提供有限但正向的增量。第四，在三个公开数据集上，MPCG-Net相较于最强基线的低SNR增益分别为6.90、6.45和1.66个百分点，并在四种实测射频干扰类别下无需重训练即获得最优聚合准确率。研究人员同时指出，当前多分辨率前端基于预定义STFT窗长，未来可探索更通用的学习型或信号自适应时频变换；此外，开集识别、未知信号拒绝、跨信道泛化以及实际射频硬件部署中的计算效率、信道失配和在线推理稳定性等方向也值得进一步研究。