一种基于多尺度注意力与残差的调制与信号类别识别方法

本发明公开了一种基于多尺度注意力与残差的调制与信号类别识别方法，涉及信号类型与调制方式识别技术领域，包括获取不同信号类型与调制方式下的信号数据集，并划分为训练集和验证集；基于输入预处理模块、共享卷积特征提取模块、多任务分支模块和联合损失优化模块构建端到端的深度学习模型；共享卷积特征提取模块包括通道拓展卷积层、多尺度注意力残差模块和下采样模块；对端到端的深度学习模型进行训练；将待测信号的数据输入模型，得到待测信号的信号类型与调制方式，本发明通过端到端的深度学习模型处理，能够解决模型冗余、计算资源浪费以及任务间信息利用不足等问题，提高识别准确率的同时降低模型复杂度和训练开销。