RIS-MAE：基于原始IQ信号和掩码自编码器的自监督调制分类方法
信号处理
2025-08-04 v1
摘要
自动调制分类(AMC)是智能无线通信系统中的基础技术，对于谱监测、认知无线电和安全通信等任务至关重要。近年来，深度学习方法在AMC方面取得了显著进展。然而，主流方法仍面临两个关键问题：其一是常使用时频图像而非原始信号，这会导致关键调制特征丢失并降低对不同通信条件的适应性；其二是大多数方法依赖监督学习，需要大量标记数据，而在实际环境中难以获取。为解决这些问题，我们提出一种自监督学习框架RIS-MAE。RIS-MAE使用掩码自编码器从无标签数据中学习信号特征，采用原始IQ序列作为输入。通过应用随机遮蔽和重建，它捕获振幅、相位等关键时域特征，从而帮助模型学习有用且可迁移的表征。在四个数据集上进行测试，结果表明RIS-MAE在few-shot和跨域任务中优于现有方法。值得注意的是，在仅少量微调样本的情况下，RIS-MAE即可在先前未见过的数据集上实现高分类准确率，确认了其泛化能力及其在实际部署中的潜力。
引用
@article{arxiv.2508.00274,
title = {RIS-MAE: A Self-Supervised Modulation Classification Method Based on Raw IQ Signals and Masked Autoencoder},
author = {Yunfei Liu and Mingxuan Liu and Wupeng Xie and Xinzhu Liu and Wenxue Liu and Yangang Sun and Xin Qiu and Cui Yuan and Jinhai Li},
journal= {arXiv preprint arXiv:2508.00274},
year = {2025}
}