近日，南方科技大学电子与电气工程系教授贡毅课题组在无线通信信号检测与识别研究领域取得重要进展，相关研究成果分别发表在无线通信领域期刊IEEE Transactions on Wireless Communications（IEEE TWC）和IEEE Wireless Communications Letters（IEEE WCL）上。该研究通过采用时频注意力机制以及融合信号增强与信号识别的一体化设计，显著提升了非理想通信环境下无线通信信号调制模式识别的性能。

图1：不同调制模式无线信号及其时频特征图

调制模式识别是无线通信系统中的重要技术，其主要目的在于通过接收到的无线通信信号来判决其调制模式，从而实现对信号的解调和后续处理。无线信号调制模式识别在认知无线电、感知通信、无线电管理、非合作通信等领域有着极其重要的作用。随着第五代移动通信系统的快速发展和日益普及，无线通信环境日益复杂。实际通信系统中调制识别技术的性能与噪声及干扰密切相关，因此，提高非理想环境下调制识别技术的性能十分重要。

深度学习领域近年来通过引入注意力机制，在有限算力的情况下有效提升了深度神经网络的建模能力。由于大多数注意力机制是面向图像、语音或文本所提出的，在解决通信信号领域的问题时缺乏提取通信信号特征的能力。针对通信信号的特性，课题组提出一种时频注意力机制，分别学习信号的通道、时间与频率的特征信息，帮助神经网络模型关注特征中有意义的部分，有效提升了无线通信调制信号的识别性能。相关研究成果以“Learning of Time-Frequency Attention Mechanism for Automatic Modulation Recognition”为题发表在期刊IEEE Wireless Communications Letters上。

图 2：无线信号调制模式识别框架及时频注意力机制

在实际通信系统中，由于存在信道情况复杂、电磁干扰强、环境噪声大等情况，信号识别的性能将急剧下降。课题组提出了基于信号增强与时频注意力机制的联合学习识别框架，有效提升了信号识别技术对噪声的鲁棒性。该框架通过信号增强模块与信号识别模块的联合学习，共同优化分类损失函数。信号增强模块的主要作用是寻找数据中的关键时频位置并增强其权重，利用信号识别模块的反馈信息来优化最终的识别性能，解决了实际应用中干净信号获取难的问题。此外，该研究还引入了双通道频谱融合模块，利用原始信号和降噪滤波后信号的两路数据特征，增加输入特征的多样性以提升调制识别性能。相关研究成果以“Modulation Recognition Using Signal Enhancement and Multi-Stage Attention Mechanism”为题发表在期刊IEEE Transactions on Wireless Communications上。

图 3：无线信号调制模式识别框架提取的时频特征图及模式识别混淆矩阵

南科大电子与电气工程系硕士研究生林上奥为两篇论文的第一作者，贡毅与课题组副研究员曾媛为共同通讯作者，南科大为论文唯一单位。以上研究工作得到了国家重点研发计划、国家自然科学基金、广东省粤港澳研究团队、深圳市科技计划的资助以及广东省高校先进无线通信技术重点实验室的支持。

论文链接：

1、https://ieeexplore.ieee.org/document/9672167

2、https://ieeexplore.ieee.org/document/9796039