SCP-TriCA三模态交叉注意力融合突破水下声学调制识别的分布偏移难题水下声学调制识别UAMR是海洋监测、水下通信侦察等应用的核心技术。然而在实际部署中低信噪比、未知传播环境、未见通信参数等分布偏移问题严重制约了识别系统的泛化能力。本文介绍 UAMR-ShiftBench 基准测试平台和 SCP-TriCA 模型为水下声学智能识别提供全新解决方案。原文链接01 研究背景水下声学调制识别的现实挑战水下声学通信是海洋信息传输的主要手段。水下声学调制识别Underwater Acoustic Modulation Recognition, UAMR旨在从接收到的水声信号中自动识别出所使用的调制方式如 BPSK、QPSK、OFDM 等是频谱监测、电子侦察和水下通信对抗的关键技术环节。近年来深度学习在 UAMR 任务上取得了显著进展。然而现有工作大多局限于同分布测试场景即训练和测试数据来自相同的水声信道条件和通信参数设置。在实际海洋环境中以下分布偏移因素普遍存在信噪比变化深海环境变化导致接收信号 SNR 大幅波动传播环境差异不同海域、不同季节的水文条件差异巨大通信参数变化载波频率、符号速率、带宽等参数在实际场景中千差万别实测数据与仿真数据的鸿沟仿真数据无法完全模拟真实海洋信道的复杂性。UAMR-ShiftBench正是为此而生的一个系统性基准测试平台而SCP-TriCA则是在此平台上表现优异的识别模型。02 UAMR-ShiftBench系统化的分布偏移基准测试UAMR-ShiftBench 覆盖了七类主流水声调制信号的识别任务标签调制类型说明02FSK二进制频移键控14FSK四进制频移键控2BPSK二进制相移键控3QPSK四进制相移键控4OFDM正交频分复用5CW连续波6LFM线性调频为了全面评估模型在不同分布偏移下的鲁棒性基准测试将数据集划分为五个测试场景数据集含义评估目标D1同分布测试集标准识别能力D2低信噪比测试集噪声鲁棒性D3未知环境测试集传播环境泛化能力D4未知通信参数测试集通信参数泛化能力Sea-trial南海实测数据3月 11月真实场景验证基准参数配置采样率128 kHz信号时长约3 秒SCP-TriCA 使用 1 秒分段频率覆盖0.8 ~ 25 kHz仿真分布偏移低 SNR、未知环境、未知通信参数实测数据南海浅水区 3 月和 11 月采集数据这种由浅入深、由仿真到实测的多层次评估体系为模型的泛化能力提供了全面的考察维度。03 SCP-TriCA 模型异质信号表示的分层融合3.1 核心思想SCP-TriCA 的核心设计理念是不同类别的信号表示携带互补的判别信息。单一模态如仅用时频图难以同时应对多种分布偏移而将异质表示进行有效融合可以显著提升模型的鲁棒性和泛化能力。模型融合的三种信号表示模态如下STFT 时频图224×224经典时频分析结果直观反映信号的频谱时间演化规律循环平稳图224×224基于循环平稳分析提取的二维特征捕捉信号的周期性统计特性P2/P4 功率谱1024×2二阶和四阶功率谱构成的统计特征向量刻画信号的高阶统计信息。这三种模态涵盖了时频域、循环平稳域和高阶统计域三个相互补充的特征空间。3.2 模型架构详解SCP-TriCA 采用分层交叉注意力融合策略将 2D 和 1D 信号表示有机融合为一个紧凑的分类特征。┌─────────────────┐ │ Classification │ │ Head │ └────────┬────────┘ │ ┌──────────┴──────────┐ │ Adaptive Gate │ │ Fusion (Stage 2) │ └──────────┬──────────┘ │ ┌──────────────────────┼──────────────────────┐ │ │ │ ┌────────┴────────┐ ┌────────┴────────┐ ┌────────┴────────┐ │ STFT Encoder │ │ CYC Encoder │ │ P2/P4 Encoder │ │ (CNNViT) │ │ (CNNViT) │ │ (1D ConvTF) │ └────────┬────────┘ └────────┬────────┘ └────────┬────────┘ │ │ │ ┌────────┴────────┐ ┌────────┴────────┐ ┌────────┴────────┐ │ STFT Feature │ │ CYC Feature │ │ P2/P4 Feature │ │ (224×224) │ │ (224×224) │ │ (1024×2) │ └─────────────────┘ └─────────────────┘ └─────────────────┘第一阶段2D 模态互交叉注意力STFT 和循环平稳图各自经过独立的CNN 骨干网络MultiScaleResidualBlock 堆叠提取特征图然后通过 ViT 风格的Token 化模块将特征图转换为 token 序列含 CLS token8×864 个空间 token。随后进行双向 CLS 引导交叉注意力STFT 的 CLS token 查询 CYC 的 patch tokens更新 STFT CLSCYC 的 CLS token 查询 STFT 的 patch tokens更新 CYC CLS。两个更新后的 CLS token 拼接后经 ( \text{Linear} \rightarrow \text{BatchNorm} \rightarrow \text{ReLU} ) 融合为统一的 2D 特征表示。第二阶段2D→1D 交叉注意力 自适应门控P2/P4 功率谱通过1D 卷积编码器三层 Conv1d → AdaptiveAvgPool → Transformer Encoder提取 1D token 序列。融合后的 2D CLS 经过投影对齐到 P2/P4 的特征空间再通过交叉注意力查询 P2/P4 token 序列获取统计特征增强的 CLS 表示。最后一个**样本自适应选择门Adaptive Selective Gate**控制 P2/P4 统计证据的注入程度CLS fused ( 1 − g ) ⋅ CLS 2D g ⋅ CLS P2/P4 \text{CLS}_{\text{fused}} (1 - g) \cdot \text{CLS}_{\text{2D}} g \cdot \text{CLS}_{\text{P2/P4}}CLSfused​(1−g)⋅CLS2D​g⋅CLSP2/P4​其中门控值 ( g \sigma(\text{GateNet}([\text{CLS}{\text{2D}}, \text{CLS}{\text{P2/P4}}])) ) 由当前样本的特征动态决定。这意味着当 2D 特征已足够判别时门控会减少 P2/P4 的介入当 2D 特征因分布偏移而不可靠时门控会更多地依赖统计特征。融合后的最终 CLS 经分类头输出 7 类概率。3.3 关键设计亮点设计要点技术手段作用异质融合2D 时频图 1D 统计量互补信息覆盖多个特征域两阶段交叉注意力2D-2D → 2D-1D 逐层传递有序、高效的信息交换样本自适应门控可学习的 sigmoid 门控网络动态权衡模态重要性多尺度残差模块3×3 5×5 双分支卷积增强特征提取的尺度鲁棒性04 实验与评估SCP-TriCA 在 UAMR-ShiftBench 的全部五个测试场景上进行评估D1同分布评估模型的基本识别能力D2低 SNR考察模型在恶劣信噪比下的鲁棒性D3未知环境测试模型对未见传播环境的泛化性采用 SNR 分段均衡精度指标-8~0 dB 和 0~20 dBD4未知通信参数测试模型对未见通信参数的泛化性同样使用 SNR 分段均衡精度Sea-trial实测验证模型在真实南海海域实测数据上的表现。推理接口项目提供了完整的推理代码使用简洁的 CSV 驱动接口# 方式一指定数据集目录python infer_csv.py\--dataset-dir /path/to/dataset\--checkpointmodel/scp_trica_best.pt\--output-dir /path/to/run_dir# 方式二显式指定 CSV 文件python infer_csv.py\--csvD1/path/to/labels_D1_test.csvD2/path/to/labels_D2.csv\--checkpointmodel/scp_trica_best.pt\--output-dir /path/to/run_dir输出会自动生成每样本预测结果 CSV、混淆矩阵 CSV、SNR-精度曲线和论文格式汇总表格。05 技术细节概览项目详情论文标题Heterogeneous 2D/1D Signal Representation Fusion for Underwater Acoustic Modulation Recognition Under Distribution Shift作者Ronglai Qian, Liang An, Xiaoyan Wang, Qing Fan, Ziwei Huang, Yang Ye投稿期刊IEEE Transactions on Image Processing (TIP)框架PyTorch 2.8.0, CUDA 12.8Python3.10输入维度STFT (1×224×224), CYC (1×224×224), P2 (1024), P4 (1024)输出7 类软标签概率模型参数p2p4_dim192, p2p4_tokens64, token_hw8×8, cross_heads4, dropout0.306 总结与展望UAMR-ShiftBench和SCP-TriCA共同构建了一套面向水下声学调制识别的分布偏移鲁棒性评估与解决框架UAMR-ShiftBench提供了从同分布到多类型分布偏移、从仿真到实测的完整评估体系为 UAMR 研究设立了高标准的泛化性基准SCP-TriCA通过三模态异质信号表示的分层交叉注意力融合和样本自适应门控机制在不同分布偏移场景下均展现出优异的鲁棒性项目已开源推理代码和预训练模型权重数据集将在后续正式发布。水下声学智能识别正从实验室走向海洋。我们期待 UAMR-ShiftBench 和 SCP-TriCA 能够为水声通信识别领域的鲁棒性研究提供坚实的基准与方法论支撑。