基于掩码自编码机的时频定位模型自监督学习方法

本发明具体涉及一种基于掩码自编码机的时频定位模型自监督学习方法，包括时频图谱重建预训练和时频定位下游微调，时频图谱重建预训练：对时频图谱进行掩码处理后输入基于Transformer的自编码器网络，编码器对遮掩后的频谱图进行特征提取获得特征图，解码器对特征图进行解码输出重建后的时频图谱；时频定位下游微调：将预训练的编码器作为时频定位模型的骨干网络，并共享网络参数；通过骨干网络提取标注样本的特征，通过特征金字塔进行特征融合，融合后的特征通过头网络解码获得时频定位结果；基于标注信息和时频定位结果，通过损失函数训练出一个鲁棒的时频定位模型。本发明方法减小了信号时频域发生重叠对时频定位的影响，提高了目标检测模型的性能。