A Generative Self-Supervised Framework for Cognitive Radio Leveraging Time-Frequency Features and Attention-Based Fusion
Published in IEEE Transactions on Wireless Communications (IF 8.79, SCI TOP 1区), 2024
学生一作 First Author · IEEE TWC · IF 8.79 · SCI TOP 1 区 · 14 citations
要点 Highlights
- 端对端解决方案：开发从大量无标注数据中学习鲁棒特征的智能频谱端对端管理系统，满足工业界对高效频谱利用与复杂场景适应性的需求
- 多模态数据融合模块：设计基于注意力机制的信道–频谱融合模块，实现信道域与频谱域特征的自动提取与融合
- 无线电信号大模型 Pipeline：研制基于 LLM 一体化的通用多模态电磁大模型 Pipeline，支持文本、信号序列输入与多任务输出
- 软硬结合的 Prompt 设计：从预训练词嵌入中检索语义相似锚点作为简洁上下文相关提示，消除模板 Prompt 冗余填充词，降低内存并引入专家知识
- 低高频信息耦合：引入频率自适应融合模块，将 CNN 高频特征与 LLM 全局上下文结合，提升下游任务性能
Recommended citation: S Chen, Z Feng, S Yang, Y Ma, J Liu, Z Qi. "A Generative Self-Supervised Framework for Cognitive Radio Leveraging Time-Frequency Features and Attention-Based Fusion." IEEE Transactions on Wireless Communications, 24(3), 1866-1880, 2024. (学生一作)
Download Paper