你有没有想过，未来城市上空，密密麻麻的无人机（885564）像快递小哥一样穿梭，它们怎么做到互不干扰、安全飞行？
(课题组合照，史治国教授右数第7)
9月13日，在杭州举行的第二十三届信号处理学术年会上，一个专门为低空安全打造的“电磁大脑”——低空电磁大模型LEMMO-1.0正式亮相。它由浙江大学牵头，联合清华大学、国防科技大学、阿里云、浙江强脑科技有限公司和杭州低空产业发展有限公司共同攻关。简单说，这个“大脑”能听懂空中无数电磁信号在“说什么”，并判断有没有无人机（885564）“黑飞”、有没有信号干扰，甚至为后续无人机（885564）飞行路线规划打下基础。
低空电磁大模型LEMMO-1.0发布现场(受访者供图)
低空越来越热闹，电磁环境却越来越乱
低空经济（886067）正成为新风口，预计到2030年，中国低空经济（886067）产业规模将超2万亿元。电力巡检、个人摄影、空中执法、紧急救援、物流配送……无人机（885564）应用场景越来越丰富。
但问题也随之而来。数据显示，截至2023年底，我国实名登记无人机（885564）已达126.7万架，增长飞快。未来，高频次、高密度、高动态运行将成为常态。
未来低空大规模飞行活动概念图(AI生成)
这么多无人机（885564）同时上天，通信、导航、监视全靠电磁频谱。一旦频谱管理跟不上，轻则信号干扰，重则无人机（885564）失控、航班延误。
“低空飞行安全的关键，是保障无人机（885564）通信、导航、监视安全有序，核心在于低空电磁频谱的高效智能管理。”项目负责人、浙江大学史治国教授说。
有了类脑推理，大模型来“读懂”电磁信号
传统频谱管理方法，面对高密度、多频段、动态变化的低空场景，已经力不从心。而大模型技术，凭借超大参数量和大规模数据训练，具备更高能力上限。
但现有大模型也有短板：模态难扩展、知识难注入、训练效率低、实时性差。人脑在处理这些问题上，反而有显著优势。
于是，浙大团队想到了“类脑推理”——让大模型像人脑一样，既能快速识别，又能深度思考，还能在线学习、自主调整。
LEMMO-1.0就是这样的“电磁大脑”。它通过专用电磁信号编码器，提取长序列I/Q信号特征，将电磁信号与文本语义对齐，再接入大模型问答过程。
它不仅能识别信号，还能用自然语言回答“这是什么信号”“是不是无人机（885564）”“信号在时域和频域上有什么特征”。
模型设计方案图(受访者供图)
百万级长序列，一口气处理800万个采样点
低空电磁环境有多复杂？信号种类多、序列长、多信号交织。LEMMO-1.0支持百万级长序列处理，最长可处理800万个采样点，面向宽带多信号场景开展分析。
训练数据也相当“豪华”：约1480万条信号序列、1.38TB数据，覆盖调制、干扰、无人机（885564）及多种无线技术相关信号，包括公开数据集、仿真信号和真实电磁环境采集数据。
评测结果如何？在公开基准EM-Bench的十项感知任务上，LEMMO-1.0综合性能比对比方法提升27.6%；在自主构建的调制识别、干扰识别、无人机（885564）识别和无线技术识别四项下游任务上，综合性能提升29.7%。在低空场景实测信号构建的无人机（885564）机型识别任务中，准确率达到85.0%。
模型性能展示(受访者供图)
它可识别干扰和黑飞，全链条保障低空安全
LEMMO-1.0目前支持调制方式识别、干扰类型识别、无线技术识别和低空无人机（885564）射频识别等任务，同时具备信号属性描述、时频关系分析和问答能力。
但这只是开始。
史治国教授表示，这项技术不仅用于信号分析、干扰识别、黑飞无人机（885564）识别，未来还将支撑低空电磁频谱管理、无人机（885564）通信频段规划等应用。
“模型设计—训练部署—技术应用—平台验证，我们聚焦全链条，形成面向低空安全的类脑电磁大模型关键技术与示范应用。”史治国教授说。
在线平台页面截图(受访者供图)
目前，LEMMO-1.0在线平台已开放访问，包含通用问答和信号分析两类任务模式。用户上传I/Q信号数据，就能围绕信号类型及相关特征提问并获得分析结果。
低空经济（886067）要飞得高、飞得稳，离不开这样的“电磁大脑”保驾护航。未来，当你在窗前看到无人机（885564）有序穿梭时，背后可能就有LEMMO在默默“读”着空中的电磁信号。
课题组实验合照(受访者供图)
