一种基于多任务学习的可解释全栈式辐射源信号处理方法

本发明公开了一种基于多任务学习的可解释全栈式辐射源信号处理方法。该方法首先对辐射源脉冲序列信号进行预处理，包括脉冲检测、信号质量评估、数据清洗和参数估计；随后构建前级与后级任务的联合优化模型，在多任务学习框架下于不同分支上执行识别任务，通过联合训练实现同步参数回归，利用编码特征向量实现多任务协同；再进行模型训练，完成辐射源信号分析与识别。最后结合SHAP方法与星座图进行可解释性可视化。本方法整合多个识别任务，挖掘任务间的相关性以提升识别性能，解决传统独立部署中存在的识别效果差等问题。同时引入SHAP可视化手段，增强模型决策的透明性与可追溯性，有助于理解网络在复杂电磁环境下的识别机制，提升其实用性与可信度。