基于双分支 I/Q 交互融合的自动调制识别

分别编码 I/Q 两路信号，通过双向交叉门控与残差融合识别调制方式，结合信噪比分层评价和模块消融理解交互机制。

• 技术与任务时序与信号 · 多模态与多源融合
• 应用方向信息与人工智能 · 工程与智能制造

项目亮点

• 两条分支怎样分工
• 交叉门控为什么保留残差
• 模型比较怎样读得准确

数据与任务

无线信号的 I 路与 Q 路共同描述幅度和相位变化。这个项目从两路信号的关系出发，研究分开提取特征后怎样交换信息，并把模型结构与不同信噪比下的识别表现联系起来。

先说清楚，它到底在做什么

现有实验使用八类受控合成调制信号，每条序列长度为 256，覆盖 −10 至 10 dB 的六个信噪比。QPSK、8PSK、QAM 等类别在噪声下可能变得相似，因此总体准确率之外，还要观察逐信噪比表现与类别混淆。

搞懂它，你能在面试里讲清楚什么

两条分支怎样分工

浅层分别提取 I 路和 Q 路的局部变化，深层共享编码器学习共同的时序模式。这样既保留两路输入的差异，又能控制参数规模。

交叉门控为什么保留残差

每一路用另一分支的信息调节特征通道，残差通路保留原始表示，再进行拼接、卷积与池化分类。消融实验分别移除交互和残差，观察性能变化来自哪个环节。

模型比较怎样读得准确

三种子结果中，简单拼接准确率为 51.18%，完整交叉门控为 50.03%；两者 Macro-F1 接近。移除残差后准确率为 37.22%。这些对照让结构分析有具体依据，现有指标对应八类合成数据实验。

怎样阅读实验与配图

配图覆盖原始 I/Q 波形、双向交互结构和消融结果。可以从一种调制信号出发，说明噪声如何改变输入、分支提取什么、门控怎样影响分类，而不只停留在模型名称的罗列。

面试与答辩可以怎样准备

I/Q 两路为什么适合分别编码后再交互？

交叉门控与直接拼接有什么区别？

如何用消融区分残差通路和交互模块的作用？

配套讲解材料围绕整体思路、关键步骤与结果解读展开，并提供面试问答与简历表达参考。准备时可以先按流程说明输入和输出，再选一个样例解释方法，最后用结果图回答具体问题。简历描述结合实际参与内容调整，配图可以放入 PPT 模板组织汇报。

配套资料

技术文档从任务背景、数据组织讲到模型与实验，再结合图表解释结果，包含面试问答和项目表达参考。下面展示正文选页，便于了解讲解内容与图文组织。

代码覆盖数据处理、核心方法和实验分析。下面是实际源码中的关键函数节选，可以结合文档中的流程与公式阅读，再沿输入、计算与输出理解具体实现。

适合谁

通信、电子信息与时序深度学习方向，适合希望理解一维信号建模、特征交互和实验对照的同学。 项目资料可用于学习、选题交流与面试答辩准备；沿着数据、方法、实验和解释逐步掌握，形成能够独立讲清楚的项目经历。