多模态调制识别网络

低信噪比识别更稳

融合卷积、LSTM与改进Transformer编码器，在低信噪比下捕获信号全局与局部特征，比现有端到端方法识别更准。

骆忠强 · Wenshi, Xiao · Xueqin, Zhang · 朱立东 · Xingzhong, Xiong

IEEE Transactions on Wireless Communications 2024

技术优势

低信噪比下更准

模型从卷积网络、LSTM 和改进 Transformer 编码器中捕获全局与局部特征，在低信噪比条件下识别精度有效提升。

超过现有最佳方法

在 RML2016.10A 和 RML2016.10B 两个公开数据集上，RLITNN 的识别准确率均优于其他先进技术。

特征表示更强

先提取多模态初始特征，再通过改进 Transformer 捕获全局与局部关注，融合后进一步捕获高质量特征，增强模型表示能力。

应用场景

• 无线通信接收机：替代传统接收机中的调制识别模块，在低信噪比下提升识别稳健性。
• 认知无线电：为认知无线电提供准确的调制识别，支持动态频谱接入与信号分析。
• 量子通信信号处理：在量子通信的经典信号处理环节中识别调制格式，辅助信号解调。
• 卫星通信链路：卫星链路信噪比变化大，此模型可增强信号识别鲁棒性，保障链路质量。
• 具身智能通信：为具身智能体的通信模块提供可靠调制识别，支持实时环境交互。