본 논문에서는 자기 지도 학습(SSL) 기반 자동 변조 분류(AMC) 방법의 성능 향상을 위해 변조 일관성이라는 새로운 구조적 선행 지식을 활용합니다.
Mod-CL 프레임워크는 동일 신호의 서로 다른 시간 세그먼트에서 양의 쌍을 구성하여 모델이 변조 정보를 학습하고 불필요한 변동을 억제하도록 유도합니다.
RadioML 데이터 세트에서 실시한 실험 결과, Mod-CL은 강력한 기준 모델보다 우수한 성능을 보였으며, 특히 적은 라벨 환경에서 상당한 정확도 향상을 달성했습니다.