본 논문은 지능형 스펙트럼 관리를 위한 새로운 패러다임으로 스펙트럼 기반 모델(SpectrumFM)을 제안한다. SpectrumFM은 합성곱 신경망과 다중 헤드 자기 주의 메커니즘을 결합한 혁신적인 인코더 아키텍처를 사용하여 특징 추출을 향상시키고 강력한 표현 학습을 가능하게 한다. 대규모 직교 위상 (IQ) 데이터를 활용한 마스크 재구성 및 다음 슬롯 신호 예측이라는 두 가지 새로운 자기 지도 학습 과제를 통해 사전 학습된다. 또한, 매개변수 효율적인 미세 조정 전략을 통해 자동 변조 분류(AMC), 무선 기술 분류(WTC), 스펙트럼 감지(SS), 이상 탐지(AD) 등 다양한 하위 스펙트럼 관리 작업에 적용할 수 있다. 실험 결과, SpectrumFM은 정확도, 강건성, 적응성, 몇 번의 학습 효율 및 수렴 속도 측면에서 기존 방법보다 우수한 성능을 보임을 보여준다. 특히 AMC 정확도는 최대 12.1%, WTC 정확도는 9.3% 향상되었고, -4dB SNR에서 SS의 AUC는 0.97을 달성했으며, AD 성능은 10% 이상 향상되었다.
