Resumo Técnico: Aprendizado Contrastivo Consciente de Geometria para Reconhecimento Automático de Modulação com Poucos Exemplos

Declaração do Problema

O Reconhecimento Automático de Modulação (AMR) é uma pedra angular da rádio cognitiva e das redes emergentes 6G. Embora o Aprendizado Profundo (DL) tenha superado os métodos tradicionais em poder representacional, sua eficácia depende fortemente de grandes conjuntos de dados rotulados, que frequentemente estão indisponíveis em ambientes não cooperativos. Consequentemente, o Aprendizado Auto-supervisionado (SSL) tornou-se o paradigma dominante para abordar a escassez de dados.

No entanto, os autores identificam três limitações geométricas críticas nos frameworks existentes de SSL para AMR:

1. O Dilema Geométrico da Aumento: Em espaços de alta dimensão, o fenômeno de "concentração da medida" torna o ruído isotrópico padrão (por exemplo, ruído gaussiano branco aditivo) ineficaz. Perturbações tendem a ser ortogonais aos gradientes da fronteira de decisão, falhando em desafiar o modelo ao longo de direções sensíveis. Além disso, transformações não restritas frequentemente cruzam as margens de classe, induzindo "deriva semântica", onde o rótulo físico muda, mas a perda contrastiva força o alinhamento.
2. Instabilidade Espectral da Auto-atenção: Arquiteturas Transformer padrão utilizam mecanismos de auto-atenção com constantes de Lipschitz ilimitadas. Isso resulta em fronteiras de decisão agudas que são frágeis a perturbações anisotrópicas, uma vulnerabilidade frequentemente negligenciada por arquiteturas híbridas que priorizam a eficiência.
3. Ineficácia da Fusão Estática: Métodos prevalentes tratam priores físicos como entradas auxiliares estáticas via concatenação rasa. Isso falha em aproveitar priores como âncoras semânticas imutáveis, impedindo a correção da deriva semântica durante a exploração agressiva de variedades, particularmente em configurações extremas de poucos exemplos (por exemplo, 1-shot).

Metodologia: DyCo-CL

Para abordar esses desafios, os autores propõem o DyCo-CL (Aprendizado Contrastivo de Consistência Dinâmica), um framework semi-supervisionado que sinergiza otimização, arquitetura e priores físicos. O framework consiste em três componentes interdependentes:

1. Framework de Consistência Dinâmica

Construído sobre o MoCov3, este componente substitui o ruído isotrópico padrão por Aumento Adversarial Virtual (VAA).

• Aumento Assimétrico: Um ramo aplica transformações físicas padrão (por exemplo, rotação, deslocamento temporal) para simular degradações de canal. O outro ramo utiliza VAA para gerar "positivos difíceis" buscando ativamente perturbações que maximizem a divergência de Kullback-Leibler (KL) entre as distribuições de saída das entradas limpas e perturbadas.
• Perda de Consistência Semântica ($L_{SC}$): Para contrabalançar o risco de deriva semântica inerente ao VAA, os autores introduzem uma restrição de consistência semântica. Esta perda restringe explicitamente a representação adversarial à vizinhança local da representação âncora. Teoricamente, isso atua como um regularizador espectral implícito, minimizando a constante local de Lipschitz do codificador e promovendo estabilidade geométrica.

2. Espinha Dorsal Swin Adaptativa ao Sinal

Para abordar a instabilidade espectral dos Transformers padrão, os autores projetam uma espinha dorsal especializada de Transformer Swin 1D:

• Cone Convolutivo Profundo: Uma pilha hierárquica de convoluções 1D atua como um filtro passa-baixa aprendível para suprimir artefatos de alta frequência e permitir tokenização suave, preservando a continuidade de fase.
• Atenção de Janela Fixa: Diferentemente da atenção global padrão, este módulo emprega janelas fixas não sobrepostas sem deslocamento. Esta restrição estrutural impõe um Jacobiano em blocos diagonais, limitando teoricamente a constante de Lipschitz e desacoplando a estabilidade espectral do comprimento da sequência.

3. Fusão Hierárquica de Conhecimento Híbrido

Este módulo preenche a lacuna semântica entre características orientadas a dados e priores físicos de especialistas para ancorar a variedade:

• Estágio 1 (Codificação de Priori Espacial-Temporal): Extrai descritores físicos invariantes, especificamente o Espectro de Ciclo de Quarta Ordem ($P_4$) para assinaturas cicloestacionárias e o Envelope Regularizado por PSD ($E_{reg}$) para estabilidade de amplitude. Estes são processados via um codificador de duplo fluxo (CNN Espacial e Bi-LSTM Temporal) e fundidos via uma rede de porta aprendível.
• Estágio 2 (Fusão de Transformer Consciente de Física): Um Transformer modela a interação não linear entre as características contrastivas profundas e os priores físicos. Um "Token de Física" atua como uma consulta estável para calibrar dinamicamente o "Token de Dados", corrigindo a possível deriva semântica.
• Votação Afiada por Confiança: Para mitigar a variância em configurações de poucos exemplos, a previsão final emprega um ensemble de ponderação quadrática de múltiplas cabeças, suprimindo previsões incertas.

Contribuições Principais

1. Framework de Consistência Dinâmica: Uma estratégia de otimização geométrica que acopla VAA com restrições de consistência semântica. Os autores fornecem análise teórica caracterizando isso como um regularizador espectral implícito que supera a concentração da medida e garante estabilidade do codificador.
2. Espinha Dorsal Swin Adaptativa ao Sinal: Uma arquitetura inovadora com um Cone Convolutivo Profundo e atenção de Janela Fixa. Este projeto limita estruturalmente a constante de Lipschitz, permitindo a captura robusta de primitivas de sinal transitórias sob perturbações adversariais.
3. Fusão Hierárquica de Conhecimento Híbrido: Um mecanismo de dois estágios que calibra dinamicamente representações profundas com priores físicos de especialistas. Isso garante que a exploração de variedades permaneça fundamentada na física, o que é crítico para o reconhecimento extremo de 1-shot.

Resultados Experimentais

O framework foi avaliado nos benchmarks RML2016.10a e RML2018.01a contra seis métodos semi-supervisionados de última geração (incluindo CMSSAN, SSCL-AMC e ResNet50-MoCo).

• Desempenho com Poucos Exemplos: Na configuração extrema de 1-shot ($N=1$) no RML2016.10a, o DyCo-CL alcançou 43,84% de precisão, superando o estado da arte anterior em 6,27%.
• Robustez: O modelo demonstrou desempenho superior em diversas Taxas de Sinal para Ruído (SNRs), mantendo uma margem de 7,7% sobre a melhor linha de base em 10 dB de SNR. Apresentou inflexão de desempenho mais precoce em baixas SNRs, atribuída às capacidades de supressão de ruído do Cone Convolutivo Profundo.
• Eficiência: Apesar de sua robustez, o DyCo-CL é altamente eficiente. Com apenas 1,44M de parâmetros (aprox. 5,8 MB), é mais de 16 vezes menor que o ResNet50-MoCo. Reduz os FLOPs em 2,5× em comparação ao SSCL-AMC enquanto triplica a vazão de inferência (1672 amostras/s vs. 498 amostras/s), alcançando uma latência de 0,60 ms.

Significado e Alegações

O artigo afirma que o DyCo-CL estabelece um novo estado da arte para AMR com poucos exemplos ao abordar fundamentalmente as instabilidades geométricas e espectrais que afligem as abordagens atuais de SSL. Ao provar teoricamente que sua estratégia atua como um regularizador espectral implícito e limitar estruturalmente a constante de Lipschitz via arquitetura da espinha dorsal, os autores demonstram que a transferência robusta é alcançável mesmo com supervisão mínima.

O trabalho destaca que simplesmente adaptar frameworks genéricos de SSL a sinais de RF é insuficiente; em vez disso, restrições geométricas explícitas e a integração dinâmica de priores físicos são necessárias para prevenir a deriva semântica e garantir estabilidade em regimes de alta dimensão e escassez de dados. Os autores posicionam seu método como uma solução prática para implantação em borda em sistemas de rádio cognitiva 5G/6G, equilibrando alta robustez com as restrições estritas de latência e armazenamento de aplicações em tempo real. Trabalhos futuros são notados para explorar reconhecimento de conjunto aberto.