用于无线通信调制分类的Vision Transformer

《Physical Communication》:Vision Transformer for Modulation Classification in Wireless Communication

【字体: 大 中 小 】 时间:2026年09月22日 来源:Physical Communication 1.9

编辑推荐:

   **修改的 Vision Transformer 分类了五种高阶 QAM 格式(16–256-QAM)。** **达到 94.3% 的准确率,在所有阶次和信噪比下均优于 CNN 和 SVM。** **在 256-QAM、30 dB 条件下,比 CNN 高出 13.3 分,比

  **修改的 Vision Transformer 分类了五种高阶 QAM 格式(16–256-QAM)。****达到 94.3% 的准确率,在所有阶次和信噪比下均优于 CNN 和 SVM。****在 256-QAM、30 dB 条件下,比 CNN 高出 13.3 分,比 SVM 高出 52.3 分。****在 MATLAB 仿真中,对莱斯衰落、多普勒效应以及视距/非视距条件具有鲁棒性。****Clopper–Pearson 置信区间确认了结果的显著性;量化了准确率与复杂度之间的权衡。**---## 引言调制分类在无线通信中至关重要,应用于认知无线电和干扰抑制等领域。传统方法要么是似然型(如 ALRT、GLRT、HLRT),虽具有最优性但计算成本高昂 [1]、[2];要么是特征型方法,使用 SVM、KNN 等机器学习模型对累积量和循环平稳特征等统计特性进行分类 [3]、[4]。后者效率较高,但对变化的信道条件适应性较差。本文纳入 SVM 分类器 [3]、[4] 作为特征型基线方法,以量化在相同信道条件下经典方法与深度学习方法的差距。深度学习,尤其是卷积神经网络(CNN),能够从频谱图和星座图中自动提取特征 [5]、[6]、[7]。诸如 Deep Modulation Classification [6] 和 MCNet [8] 等架构提升了低信噪比条件下的分类准确率。由于 CNN 在处理长程依赖关系方面存在不足,循环神经网络能够捕捉时间结构 [9]、[10],混合 CNN–GRU [11] 和 CNN–LSTM [12] 架构结合了空间与时间建模能力,但基于 RNN 的组件存在梯度消失和高计算成本的问题。基于 Transformer 的架构通过自注意力机制直接建模长程依赖关系,解决了上述局限 [13]。Vision Transformer(ViT)[14] 将图像划分为固定大小的图块,并通过多头自注意力实现全局特征提取。后续发展,包括 DeiT [15]、Swin Transformer [16]、尺度感知调制 Transformer [17] 以及近期的综述研究 [18],均证实了基于注意力的架构在视觉识别任务中的有效性。在自动调制识别(AMC)领域,Cai 等人 [19] 首次将 Transformer 直接应用于调制分类。MCformer [20]、CNN–Transformer 图网络 CTGNet [21]、VT-MCNet [22] 和 NMFormer [23] 等架构展示了在噪声无线环境中更优的鲁棒性。近期,对抗鲁棒的 Vision Transformer [24]、CoSwinViT [25]、面向资源受限物联网部署的基于 Transformer 的 AMC 方法 [26] 以及基于星座图的识别方法 [27] 进一步展示了基于注意力的模型在无线信号分类方面的潜力。旋转、翻转和加性高斯噪声等数据增强策略也提升了深度 AMC 分类器在噪声信道条件下的泛化能力 [28],基于 Transformer 的模型尤其受益于增加的训练多样性。尽管取得了上述进展,仍有若干研究挑战亟待解决。首先,大多数现有研究聚焦于混合 CNN–Transformer 架构或对抗鲁棒性方面的应用,而非系统评估用于高阶 QAM 分类的纯 Vision Transformer 架构。其次,以往研究很少在统一的实验框架内考察调制阶次、信噪比、莱斯衰落和多普勒频率的联合影响。第三,在相同数据集、预处理、训练协议和信道模型下,Vision Transformer 与 CNN 及经典机器学习方法之间的直接比较仍然有限。因此,Vision Transformer 在模拟无线衰落信道下用于高阶调制分类的优势与局限尚未得到全面确立。为弥补上述不足,本文提出一种改进的 Vision Transformer,用于在 MATLAB 模拟信道下基于频谱图对五种 QAM 阶次(16-QAM 至 256-QAM)进行分类,涵盖多个信噪比等级、莱斯衰落因子和多普勒频率。该模型在相同数据集、预处理和信道条件下与 CNN 和 SVM 基线方法进行了基准对比,并通过精确的 Clopper–Pearson 置信区间 [29] 确立统计显著性,同时通过参数量和 FLOP 分析量化复杂度。本文的主要贡献总结如下:- 提出一种改进的 Vision Transformer 架构,用于基于频谱图对五种高阶 QAM 方案进行分类。- 在一致的 MATLAB 仿真框架内,对多个信噪比等级、莱斯衰落因子和多普勒频率进行全面评估。- 使用相同数据集、预处理、训练程序和评估协议,与 CNN 和 SVM 基线方法进行公平的比较研究。- 使用精确的 Clopper–Pearson 置信区间对报告的准确率进行统计验证,并结合理论和实验复杂度分析,量化准确率与成本之间的权衡。本文其余部分组织如下。第二节介绍所提出的方法论,包括数据生成、预处理、数据增强、Vision Transformer 架构、训练策略和评估指标。第三节介绍实验结果、鲁棒性分析、基线对比、统计验证和复杂度分析。第四节总结全文并概述未来研究方向。---## 章节摘要### 方法论将 Vision Transformer(ViT)应用于正交幅度调制(QAM)信号分类涉及以下几个关键步骤:数据生成、数据增强、网络修改、训练与验证以及评估。这些阶段的结构旨在充分利用 ViT 的特征提取能力,确保在变化的信噪比条件下实现准确分类,如图 1 所示。### 实验结果实验数据集在 MATLAB R2024a 中使用 Deep Learning Toolbox 构建,共包含 1,250,000 张频谱图图像,涵盖五种 QAM 调制阶次:16-QAM、32-QAM、64-QAM、128-QAM 和 256-QAM。对于每种调制阶次,信号在五个离散信噪比等级——10、15、20、25 和 30 分贝——下生成,每种调制阶次与信噪比的组合产生 50,000 张独立图像,每种调制阶次共产生 250,000 张图像。每个信号生成为一个包含 10,240 个样本的突发信号。### 结论与未来工作本文提出了一种改进的 Vision Transformer(ViT)框架,用于在 MATLAB 模拟无线信道下基于频谱图对高阶 QAM 信号进行分类。该框架在五种调制阶次(16-QAM 至 256-QAM)、多个信噪比等级、莱斯衰落因子和多普勒频率下进行了评估,并在相同数据集、预处理和训练协议下与 CNN 和 SVM 分类器进行了基准对比。所提出的 ViT 在所有条件下均持续优于两个基线方法。### 未引用的参考文献缺失引用 [30]、[31]、[32]、[33]、[34]、[35]### CRediT 作者贡献声明**Swarada Kulkarni:** 写作——初稿撰写,形式分析,数据整理。**Qilian Liang:** 写作——审阅与编辑,指导,资金获取。### 利益冲突声明作者声明以下财务利益/个人关系,可能被视为潜在的利益冲突:Qilian Liang 报告称获得了美国国家科学基金会的资金支持。若有其他作者,他们声明没有任何已知的竞争性财务利益或个人关系可能影响本论文中报告的工作。Swarada Kulkarni | Qilian Liang
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号