1.基于融合特征和组卷积vit网络的信号类型识别方法,其特征是,包括:
2.如权利要求1所述的基于融合特征和组卷积vit网络的信号类型识别方法,其特征是,通过短时傅里叶变换将时域调制信号转换为时频域,具体为:
3.如权利要求2所述的基于融合特征和组卷积vit网络的信号类型识别方法,其特征是,在输入信号的两端填充零值的方法来执行傅里叶变换;
4.如权利要求1所述的基于融合特征和组卷积vit网络的信号类型识别方法,其特征是,采用可视图算法将调制信号转化为时间序列可视化网络,具体包括:
5.如权利要求1所述的基于融合特征和组卷积vit网络的信号类型识别方法,其特征是,将时频图和时间序列可视化网络分别输入特征融合模块,得到融合特征;
6.如权利要求4所述的基于融合特征和组卷积vit网络的信号类型识别方法,其特征是;
7.如权利要求1所述的基于融合特征和组卷积vit网络的信号类型识别方法,其特征是,还包括:将多组卷积残差网络提取的深度特征进行展平,得到具体的特征维度,然后通过线性层改变特征维度到vit网络的常数隐藏向量,接着组合一个class token,其通过transformer encoder后的状态代表图像输出表示,和可学习的随机初始化的位置信息相加;
8.基于融合特征和组卷积vit网络的信号类型识别系统,其特征是,包括:
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时执行上述权利要求1-7任一所述方法的步骤。