一种基于稀疏跨模态通信辐射源识别方法

1.一种基于稀疏跨模态通信辐射源识别方法，由信号预处理模块、特征提取模块、跨模态模块和识别模块组成，其特征在于：所述信号预处理模块内包括辐射源信号的采集、对辐射源信号进行切片、切片之后得到时间序列和时频图两种模态，对时间序列和时频图分别进行归一化处理，标注辐射源类别标签和构建模态数据集，构建模态数据集中包括训练集、验证集、测试集；所述特征提取模块内设有MHACNN和联合稀疏表征，MHACNN用于提取两种模态的特征，联合稀疏表征算法提取低冗余的差异化特征；联合稀疏表征得到两种模态时间序列和时频图下的最优稀疏矩阵，同时将两种模态进行稀疏跨模态融合，稀疏跨模态融合方法为：首先通过联合稀疏表征得到最优稀疏矩阵，得到两个模态时间序列和时频图的稀疏表征，联合稀疏表征转化为： （1）式中 为代价函数， 为待求的最优稀疏矩阵， d 为字典原子数目， S 为模态数，此处 S =2， 为 A 的第 s 列，它对应着第 s 个模态的稀疏表示， 为两种输入模态经过第四个卷积单元B4后的输出特征， 为第 s 个模态的字典， 为 l 2 范数，λ为正则系数；字典 通过最优化问题求解为： （2）式中凸集 C 的定义为 ， n s 为第 s 个模态的特征维度， 为期望运算；公式（2）中的优化问题通过经典的投影随机梯度下降算法求解，包含了如下的序列更新过程： （3）式中 为第 t 步迭代得到的最优字典， 为梯度步长， 为在凸集 C 上的正交投影， 通过在随机排列的由不同模态特征聚合的特征集中抽取得到；得到最优字典 后，通过ADMM算法求解得到最佳稀疏矩阵A，A的相应列对应相应的稀疏模态， 。 2.根据权利要求1所述的一种基于稀疏跨模态通信辐射源识别方法，其特征在于：所述MHACNN由多个残差块、Transformer单元和全连接层组成，其中一个残差块由一个残差单元和最大池化构成，残差单元通过两次卷积和一次跳跃连接两种操作完成，假定输入为 X s ，则第一个残差单元的输出为： （4）式中 c 1 为卷积滤波器数目，σ代表ReLU激活函数， W 和 b 为每一层网络学到的权重和偏置参数；经过最大池化 maxpool 后第一个残差块的输出为： （5）假定共有 L 个残差块，则第 l 个残差块的输出为： （6）。 3.根据权利要求2所述的一种基于稀疏跨模态通信辐射源识别方法，其特征在于：所述Transformer编码器由MLP和多头注意力构成，假设经过位置编码后的输出为 O p ，则进入Transformer编码器的输入为 O = O l + O p ，Transformer编码器的输出 O t 。 4.根据权利要求1所述的一种基于稀疏跨模态通信辐射源识别方法，其特征在于：所述跨模态模块对时间序列和时频图两种模态进行维度拼接。