一种基于改进视觉变换器的多维电磁信号特征自动标注方法与流程

本发明属于电磁信号处理，尤其涉及一种基于改进视觉变换器的多维电磁信号特征自动标注方法。

背景技术：

1、当前低轨卫星电磁监测面临信号样本稀缺、人工标注成本高昂、多特征联合识别困难等核心瓶颈。尽管生成对抗网络已在电磁信号合成领域取得初步进展，能够生成具有特定物理特征的仿真信号，但业界缺乏统一、客观、可扩展的生成信号质量评估标准。传统评估方法多依赖人工专家判读、时频域波形对比或单一指标（如均方误差、频谱相似度）衡量，难以全面反映生成信号在多维物理特征层面的真实性与可用性。与此同时，电磁信号自动标注技术尚处于起步阶段，现有研究多聚焦于调制方式识别或射频指纹分类等单标签任务，缺乏对多物理特征联合标注的支持。图像领域的自动标注技术虽已成熟，但其静态空间结构与电磁信号的动态时序特性存在本质差异，直接迁移面临特征表达失配、时序依赖丢失、多标签耦合建模困难等问题。因此，亟需一种专为电磁信号设计、支持多特征并行识别、可作为生成模型评估器的智能研判方案。

技术实现思路

1、针对上述技术问题，本发明提出一种基于改进视觉变换器的多维电磁信号特征自动标注方法，用于实现端到端的多维电磁信号特征自动研判，对低轨卫星接收信号中多个物理特征进行高精度、高效率、自动化标注。

2、本发明提出的基于改进视觉变换器的多维电磁信号特征自动标注方法具体包括：步骤s1、对包含电磁信号的原始图像进行预处理，通过时频变换获取对应的二维时频图像；步骤s2、利用改进视觉变换器对二维时频图像进行切分，得到若干图像块，对图像块进行线性投影和位置编码，并利用多层多头自注意力机制进行特征提取和融合，得到融合特征图；步骤s3、将融合特征图输入至多个独立的分类器，通过识别分类对电磁信号的信号特征进行标注，以获取预测标签。

3、所述方法还包括：步骤s4、利用预测标签和真实标签计算损失，并基于损失对由改进视觉变换器和多个独立的分类器构成的联合模型进行优化；步骤s5、基于预测标签和真实标签对电磁信号的特征标注质量进行评估。

4、根据本发明提出的上述方法，在步骤s1中，对原始图像进行预处理，具体包括；以原始图像作为输入信号，对输入信号进行短时傅里叶变换，采用汉宁窗或汉明窗进行分帧加窗处理，提取每一帧的频谱幅值，形成时间-频率二维矩阵，对时间-频率二维矩阵进行归一化与尺寸调整，得到符合改进视觉变换器的输入格式的二维时频图像。

5、根据本发明提出的上述方法，在步骤s2中，利用改进视觉变换器对二维时频图像进行切分，得到若干图像块，所述图像块经线性投影和位置编码后被映射到嵌入空间，其中：

6、

7、其中，表示切分后的图像块，为表示线性投影矩阵，表示图像块的位置编码，表示图像块在嵌入空间中的映射结果。

8、根据本发明提出的上述方法，在步骤s2中，利用多层多头自注意力机制进行特征提取和融合，得到融合特征图，具体包括：

9、利用多层多头自注意力通道进行特征提取，选择多层多头自注意力通道中的部分中间层，对部分中间层提取出的特征进行空间维度恢复以及通道拼接，得到多尺度的融合特征图；

10、自注意力通道的注意力为：

11、

12、其中，，，，、、分别表示查询矩阵、键矩阵、值矩阵，、、分别表示、、的权重，表示注意力头的维度，表示自注意力通道的注意力；

13、融合特征图的表达式为：

14、

15、其中，concat表示通道拼接操作，reshape表示空间维度恢复操作，表示第n个中间层提取出的特征，f表示融合特征图。

16、根据本发明提出的上述方法，在步骤s3中，分类器包括卷积块注意力模块和密集连接块，卷积块注意力模块的通道注意力为：

17、

18、其中，sigmoid为激活函数，relu为激活函数，avgpool为平均池化操作，maxpool为最大池化操作，、表示全连接层参数，表示卷积块注意力模块的通道注意力。

19、根据本发明提出的上述方法，在步骤s3中，融合特征图经卷积块注意力模块和密集连接块后，得到预测标签：

20、

21、其中，、表示分类器参数，表示第i个分类器输出的预测标签；

22、其中，表示激活函数；当原始图像包含的电磁信号针对单目标时，采用softmax作为激活函数；当原始图像包含的电磁信号针对多目标时，采用sigmoid作为激活函数。

23、根据本发明提出的上述方法，在步骤s4中，当原始图像包含的电磁信号针对单目标时，损失函数为：

24、

25、其中，c表示分类器数量，表示真实标签，表示单目标情况下的损失函数。

26、根据本发明提出的上述方法，在步骤s4中，当原始图像包含的电磁信号针对多目标时，损失函数为：

27、

28、其中，表示多目标情况下的损失函数。

29、根据本发明提出的上述方法，在步骤s5中，进行特征标注质量评估时，将预测标签与真实标签进行逐项比对，并计算准确率、jaccard相似系数、加权f1分数。

30、本发明基于改进的视觉变换器架构，融合通道注意力机制与密集连接结构，结合迁移学习与掩码控制策略，实现对电磁信号中多个物理特征（如信噪比、衰减系数、幅值、位置等）的同步、高精度自动识别与分类。同时，本发明提供了一种全新的生成对抗网络输出质量评估范式，通过自动标注模型对生成信号进行特征一致性检验，为电磁信号生成模型的有效性提供客观、可量化的评价依据，适用于低轨星座、海上监测、应急通信等复杂电磁环境下的智能感知与数据驱动建模任务。

1.一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s1中，对原始图像进行预处理，具体包括；

4.根据权利要求3所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s2中，利用改进视觉变换器对二维时频图像进行切分，得到若干图像块，所述图像块经线性投影和位置编码后被映射到嵌入空间，其中：

5.根据权利要求4所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s2中，利用多层多头自注意力机制进行特征提取和融合，得到融合特征图，具体包括：

6.根据权利要求5所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s3中，分类器包括卷积块注意力模块和密集连接块，卷积块注意力模块的通道注意力为：

7.根据权利要求6所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s3中，融合特征图经卷积块注意力模块和密集连接块后，得到预测标签：

8.根据权利要求7所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s4中，当原始图像包含的电磁信号针对单目标时，损失函数为：

9.根据权利要求8所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s4中，当原始图像包含的电磁信号针对多目标时，损失函数为：

10.根据权利要求9所述的一种基于改进视觉变换器的多维电磁信号特征自动标注方法，其特征在于，在步骤s5中，进行特征标注质量评估时，将预测标签与真实标签进行逐项比对，并计算准确率、jaccard相似系数、加权f1分数。