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。