본 논문은 자동 변조 인식 (AMR), 하드웨어 트로이 목마 은닉 채널 (HT-CC) 탐지, 그리고 GNSS 재밍 분류를 지원하는 멀티태스크 RF 신호 인식을 위한 이기종 신경망 가속기를 제시합니다. 우리는 적응형 시간적 다운샘플링 (temporal downsampling)과 유연한 입력 길이를 가능하게 하는 학습 가능한 스트리밍 데시메이터 (streaming decimator)인 LSDec과 결합된 컴팩트한 어텐션 강화 합성곱 신경망 (CNN)을 소개합니다. 하드웨어 아키텍처는 메모리 트래픽과 지연 시간 (latency)을 최소화하기 위해 DMA 기반 스트리밍을 갖춘 새로운 듀얼 파이프라인, 융합된 합성곱-풀링 (convolution-pooling) 엔진을 통합합니다. 가속기 상의 공동 실행 스케줄링 (Co-execution scheduling) 및 SIMD 최적화된 CPU 커널은 높은 성능과 태스크 수준의 유연성을 유지하면서 하드웨어 자원 사용량을 줄입니다. 세 가지 데이터셋에 대해, 제안된 시스템은 RadioML2018 데이터셋의 AMR에서 4 dB 신호 대 잡음비 (SNR) 이상일 때 $\geq$ 99%의 평균 정확도를, HT-CC 데이터셋에서 90%, 그리고 GNSS-Jamming 데이터셋에서 99.5%의 정확도를 달성합니다. 이 가속기는 프레임당 98 $\mu$s의 엔드 투 엔드 추론 지연 시간을 유지하며, 임베디드 및 에지 (edge) 장치에서의 저전력, 지연 시간에 민감한 멀티태스크 스펙트럼 인텔리전스 애플리케이션에 대한 효과를 입증합니다.