一种基于扩散模型与注意力机制的小样本调制识别方法

本发明公开了一种基于扩散模型与注意力机制的小样本调制识别方法，属于调制载波系统领域，解决了小样本条件下调制识别率低的问题，包括：将原始数据输入DDIM中逐步加噪训练并采用逆向去噪过程逐步去噪生成恢复数据；基于分类器的对数概率梯度调整生成轨迹得到合成数据和训练好的DDIM；将原始数据、恢复数据和和合成数据输入FATT中，通过傅里叶基函数映射到频域，显式捕捉周期性和非周期性特征，提取综合特征；通过注意力层，将综合特征拆分为频率特征和非线性特征，将加权后的频率特征与非线性特征拼接并与残差卷积块的输出再次拼接得到预测调制类型向量；通过混淆矩阵可视化展示预测调制类型结果，得到训练好的FATT；本发明提高了调制识别准确率。