一种基于多任务学习的复杂电磁信号解调方法

本发明公开了一种基于多任务学习的复杂电磁信号解调方法，涉及电磁信号解调技术领域，包括采用ResNet‑18与Transformer的混合架构作为骨干网络，结合动态权重分配机制，构建多任务学习模型；将待测复杂电磁信号输入多任务学习模型，得到调制类型识别结果和码元序列预测结果，实现了两个任务的协同优化，并通过动态权重分配机制有效抑制任务冲突导致的负迁移效应。电磁信号解调过程中先判断信号采用的调制方式，再预测原始码元序列，调制类型识别是码元序列预测的基础，调制类型识别的准确性直接影响码元序列预测的最终结果，多任务学习模型通过两个任务的协同优化来提高调制类型识别的准确性，同时提升码元序列生成的准确率。