一种基于码本离散量化与多任务学习的信号特征压缩方法

本发明公开了一种基于码本离散量化与多任务学习的信号特征压缩方法，属于信号处理与人工智能交叉技术领域。针对现有技术在高维IQ信号压缩中难以兼顾压缩效率、语义保留及计算复杂度的问题，本发明通过编码器提取原始IQ信号的高维连续特征；利用可学习码本进行矢量量化生成离散索引并计算量化损失；将离散特征输入解码器分支重构信号计算重构损失，同时输入分类器分支预测类别计算分类损失；采用多层感知机处理传统特征与编码特征，通过余弦相似度计算对比损失；联合优化量化损失、重构损失、分类损失及对比损失训练模型；最终输出离散索引作为压缩特征。该方法实现高效压缩与分类语义保留，适用于无线通信、物联网等场景。