计算机工程与科学

作者：刘畅, 徐炜遐

单位：（国防科技大学计算机学院，湖南 长沙 410073）

关键词：信号自动调制识别,Transformer,多头自注意力机制,硬件加速,边缘计算,

基金：中国博士后科学基金 (2023M744320)

随着物联网、5G通信、无线自组网以及无人集群系统等技术的迅猛发展和普及应用，信号自动调制识别在无线通信、雷达信号处理和电子战等领域有着广泛的应用，并且开始向边缘智能端侧设备渗透。因此，轻量化的智能调制识别算法及其实现成为当前通信领域亟待解决的关键问题之一。传统的基于CNN和RNN的信号调制识别算法模型无法准确地把握信号的全局信息，因而在AMR任务中存在一定的局限性。近年来，Transformer借助其内部多头自注意力机制的全局信息特征提取能力，突破了DNN模型泛化能力的约束，在时间序列信息处理中取得了重大突破。因此，提出一种基于Transformer结构的AMR算法模型，该模型在Transformer中嵌入基于CNN的Token化模块，从而使模型在兼具Transformer的全局信息提取能力的同时，又保留了Token内部的局部时序特征，从而保证了算法的识别正确率。同时，所提模型的参数量较少，适合部署在边缘侧设备终端。基于Zynq Ultrascale+MPSoC平台的评估结果表明，相较运行于较高基准频率CPU平台的软件算法版本，FPGA硬件加速平台以较低的时钟频率实现了高达2.47倍的硬件加速。

来源：2025年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第8期