一种基于Transformer掩码的半监督GCN调制识别方法

本申请是关于一种基于Transformer掩码的半监督GCN调制识别方法，该方法包括：建立Transformer掩码的半监督GCN模型，利用Transformer的多头注意力机制来计算信号序列中采样点之间的权重分布构建I/Q信号图；利用基于p‑Laplacian的图卷积网络对I/Q信号图结构中的节点特征进行更新；通过半监督的有监督损失和无监督损失进行训练；全连接层将局部特征组合成全局特征进行分类决策，softmax层将全连接层输出的特征转化为最终的分类结果。本申请通过Transformer的权重分布策略使模型能够优先采样捕捉原始信号最显著特征的点，从而增强了模型准确识别信号特征的能力；基于Transformer掩码的半监督图卷积网络，通过Transformer网络的特征重建引入了半监督损失函数，在标注数据不足的情况下提升模型的识别准确率和稳定性。