一种用于无线信号处理的语言引导的I/Q表征方法及系统

本发明无线通信，具体涉及一种用于无线信号处理的语言引导的i/q表征方法及系统。

背景技术：

1、仅对原始同相和正交(i/q)数据进行操作的深度学习，已成为无线信号处理领域主导的端到端范例，可支持自动调制识别和射频指纹识别等任务。在受控设置下，神经编码器能够通过高效的训练管道获得良好的精度。然而，现场部署暴露了算法预期和实际操作性能之间持续存在的差距：系统不仅需要大龄数据，几乎不提供操作员控制的杠杆，而且当操作条件与训练阶段所见场景不同时，系统往往会降级。这些限制激发了一种语言指导的i/q表征学习方法，该方法允许常规可用语境进入表征本身，而不是将其留在目标之外。

2、在实际工作流程中，从业者拥有关于采集、设备和场景相关的背景知识，例如采集时间、发射机身份、场景标签、采集规范和标签政策。然而，主流模型通常只接受i/q样本和离散标签，将这些关键信息排除留在表征之外，会带来三个具体的后果：一是模型需要更多的数据才能达到目标精度，二是提供给操作员的控制界面有限，三是跨任务和环境的解释路径较弱。因此，在不同的操作条件和跨域转移下的稳健性仍然难以捉摸。

3、除原始i/q数据之外，大多数收集管道还记录文本信息，例如，收集时间和发送器标识符。传统方法仅依赖信号并忽略此类文本，从而限制了对部署上下文进行编码和预测分布变化的适应能力。省略上下文会带来两个缺陷。第一，监督信号通常被压缩为类别标签，而用于表达意图与要求的逐样本说明文本则很少甚至完全不被使用，这相当于从训练到推理阶段都移除了实例级的指导信号。第二，在信道变化、硬件不匹配、干扰模式和数据采集实践所引起的条件变化下，模型性能会发生衰减。这种行为已在跨天射频指纹识别和wi-fi感知中得到记录，从而推动了面向领域范化的原则性评估和比较协议的研究。若丢弃额外的文本信息，如采集时间和发射机识别符，前述两个问题将会更加严重。

4、近年来，无线语言接口方面的研究工作包括mmclip、witalk和wichat，提供了有用的基础，但他们通常将文本信息保留在类级别，或在特征提取之后才进行应用提示。这种设计在编码器内部提供了有限的可控性，并模糊了运行时指导和仅限训练的知识之间的区别。在无线信号处理领域围绕i/q数据表征、射频指纹识别、自动调制识别的相关专利中，同样的问题与缺陷依然存在。

5、尽管现有专利在硬件校准、特征提取、领域自适应优化等方面做出了诸多尝试，但均未能从根本上解决实际部署中模型对操作条件高度敏感、缺乏可控接口以及文本上下文利用不足等核心痛点，且在跨模态语义融合方面的技术探索存在明显局限。例如，射频指纹识别与自动调制识别相关专利，即便引入领域自适应、基于物理损伤的数据增强等策略以提升跨域性能，仍仅对原始i/q序列进行特征提取与网络架构优化，完全忽略采集时间、发射机身份等文本上下文的先验价值，将这些关键信息留作模型外部的标注。这不仅导致模型数据效率低下，还无法借助文本先验预测并缓解分布偏移。

6、极少数尝试融合语言信息的无线通信专利，仅将文本作为类别级监督标签来构建信号-文本共享嵌入空间，或在特征提取完成后进行简单的文本校准，未能实现实例级文本对编码器的逐层动态引导，也未构建精准的语义注入机制。此类设计模糊了运行时指导与训练级知识之间的区别，编码器内部可控性严重不足。部分针对推理效率优化的专利，虽从资源调度、低功耗网络架构等角度降低了推理成本，但未与信号表征学习进行融合设计。若要引入外部知识以提升性能，仍会因令牌拼接、跨模态注意力等操作而增加序列长度或计算复杂度，无法实现性能提升与部署效率之间的平衡。

7、此外，现有相关专利的模型设计为操作员提供的调控接口相当局限，仅接收i/q样本与离散类别标签作为输入，推理过程缺乏灵活调整的手段，跨任务与环境的解释路径薄弱，难以适配实际采集场景的动态变化。

技术实现思路

1、本发明的目的在于提供一种用于无线信号处理的语言引导的i/q表征方法及系统，以解决现有无线信号处理方法数据效率低、缺乏人机交互控制、跨域鲁棒性差等问题。

2、为实现上述目的，本发明采用如下的技术方案：

3、一种用于无线信号处理的语言引导的i/q表征方法，包括以下步骤：

4、s1，构建数据集：数据集包括训练集和测试集，分别定义为：

5、；

6、；

7、其中，表示i/q时间序列；表示类别标签；表示实例级指令文本；表示仅在训练阶段可用的专家提示文本；表示用于记录采集条件的标签，可选亦可为空；

8、s2，指令编码与控制信号生成：使用第一文本编码器将实例级指令文本编码为指令向量，专家提示编码：使用第二文本编码器将专家文本编码为特征向量；使用轻量级控制器将映射为控制信号；

9、s3，icm调制：在控制信号的引导下，通过一维编码器将i/q时间序列映射为表示向量；此过程中，控制信号以特征级仿射调制方式作用于一维编码器中每个transformer块的前馈网络（ffn）的中间激活值；

10、s4，分类预测输出：以表示向量为输入，使用预测头进行预测得到分类结果；

11、s5，训练阶段：包括偏好对齐与联合优化步骤，其中：

12、s51，偏好对齐：偏好对齐为基于直接偏好优化（（direct preferenceoptimization,dpo）思想的对齐方法，即dpo-si偏好对齐，定义迭代优化的策略模型为学生模型，冻结的参考基线模型为专家基准模型，其实现方法为：基于特征向量构建正负样本对，并计算dpo偏好损失；其中正样本为偏好样本，负样本为非偏好样本；dpo偏好损失用于衡量学生表示与基于专家提示构建的偏好目标表示之间的对齐程度；

13、s52，联合优化：构建联合目标函数，使用联合目标函数对文本编码器、轻量级控制器、一维编码器、预测头、文本编码器以及步骤s51中构造正负样本对的投影层的参数进行梯度更新；

14、s6，推理阶段：移除文本编码器，以及构建正负样本对和计算dpo偏好损失所依赖的模块；使用经步骤s52联合优化后的文本编码器、轻量级控制器、一维编码器和预测头，以i/q时间序列x和实例级指令文本i为输入，按照步骤s2至s4输出分类结果，无需专家提示文本。

15、进一步的，所述icm调制包括：

16、将i/q时间序列通过带步幅的一维补丁嵌入器转换为令牌序列，并在序列头部预追加类令牌；

17、在多个transformer块中，针对每个块的前馈网络，通过对网络中每层独立设置film生成器，将控制信号映射为缩放因子和偏移因子；

18、前馈网络（ffn）由两层线性变换与中间非线性激活构成, 输入经第一层线性变换内进行升维处理得到中间激活值，对中间激活值执行逐元素仿射调制，其实现公式为：

19、；

20、其中，为哈达玛逐元素乘积，调制后的激活值经第二层线性变换进行降维处理后，与原始输入残差连接完成特征融合；

21、经过l个transformer块堆叠运算后，对所得特征进行最终层归一化后输出类令牌表示。

22、进一步的，所述dpo-si偏好对齐中，基于特征向量构建正负样本对的方法为：

23、将当前样本对应的专家提示经提示映射器生成的特征向量作为偏好样本；

24、将同一数据批次内设备id不同的其他样本的专家提示经提示映射器生成的特征向量作为非偏好样本；

25、在损失计算时，对同一数据批次中设备标识与当前样本一致、但为不同样本的专家提示特征向量进行掩码处理，使其不参与拉近约束与推开约束。

26、进一步的，所述dpo偏好损失的计算公式为：

27、；

28、其中，表示特征相似度计算；为温度系数，用于调节相似度分布的平滑程度；表示非偏好样本集合。

29、进一步的，第一文本编码器和第二文本编码器均为轻量级句子编码器，且文本编码器在训练阶段与偏好对齐联合使用，并在推理阶段完全关闭。所述轻量级句子编码器为参数量小于1亿的句子编码器。

30、进一步的，所述构建数据集所使用的数据均来源于开源 i/q - 文本配对语料库rf-lang v1.1。

31、一种用于无线信号处理的语言引导的i/q表征系统，包括：数据构建模块、指令编码与控制器模块、icm编码器模块、预测头模块、专家提示编码模块、偏好对齐与联合优化模块以及推理控制模块；通过上述模块实现用于无线信号处理的语言引导的i/q表征方法。

32、采用上述技术方案后，本发明具有了以下有益效果：

33、1.本发明提出的一种语言引导的i/q表征系统（linguiq），其数据结构包含定制的专家实例级描述文本，针对输入数据，利用第一文本编码器将实例级指令文本编码为指令向量；使用轻量级控制器将映射为控制信号；实现实例级描述文本在模型训练与推理阶段均能与一维编码器进行交互；结合dpo思想的对比学习机制，完成精准稳定的语义注入，实现精细化、全流程语言引导。

34、2.本发明的i/q表征系统在不改动令牌化过程、不改变序列长度与注意力开销的前提下能够灵活启停控制通路，便于消融实验验证，依据指令文本完成对一维transformer（1-d transformer）的逐层调制；额外配置仅训练阶段生效的dpo-si语义注入，基于对比学习构造损失函数，在不提升推理成本的基础上优化语义对齐性能，该设计依托特权信息学习、师生学习与dpo优化理论构建。

35、3.film相关研究证明轻量化控制器可生成仿射变换调制内部特征、引导模型运算；该类条件调节方案同样适配处理长程时序依赖的一维模型。因此，本发明将控制信号以特征级仿射调制方式作用于一维编码器中每个transformer块的前馈网络（ffn）的中间激活值；相比于文本令牌拼接、跨模态注意力融合方式，特征调制方案不会带来序列冗余与算力负担，在语义调控与运行效率上具备明显优势。

36、说明书附图

37、图1为本发明提出的用于无线信号处理的语言引导的i/q表征系统流程图。