1.基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，包括以下步骤：步骤1、通过真实接收机及模拟仿真获得不同信噪比下的通信信号样本，进行载波同步与符号同步的处理后，转变为带有加性高斯白噪声的基带序列；

步骤2、基带序列经过归一化的预处理，将预处理后的基带序列转换为星座图；

步骤3、将星座图分割为N个块patch，为每一个patch做位置编码，得到变换Transformer编码器的输入序列；

所述位置编码具体过程如下：

星座图表示为 其中H代表输入星座图的高度，W代表输入星座图的宽度，C代表输入星座图的通道数，把输入图像切割为N个P×P大小且像素不重叠的patch：i＝1,2,...,N，其中：

2

每个patch的位置信息为 每个P C维的patch向量分别经过线性变换右乘矩阵 得到的D维向量；星座图的全局特征是每个pat ch右乘得到的D维矩阵叠加计算均值得到，记作 经过每个patch块的位置编码得到：z0为编码器Transformer输入序列；

步骤4、将输入序列输入Transformer编码器，先经过l层Transformer网络层，再将第l层Transformer网络层输出特征输入两个分支：一个分支经过全局特征提取GFE模块和一层Transformer网络层；另一个分支经过局部特征提取LFE模块和一层Transformer网络层，这两个分支分别输出全局特征分量gclass与局部特征分量在步骤4中将第l层Transformer网络层输出特征表示为：所述全局特征提取GFE模块，将第l层Transformer网络层的输出再次输入一个Transformer网络层，得到特征向量 取 作为星座图全局特征分量gclass；

所述局部特征提取LFE模块，先将第l层Transformer网络层的输出进行池化，然后与组合得G0，即：式中，Pool表示池化层；Concate表示拼接操作；

将G0将经过M层特征融合层，每个特征融合层的输出序列 表示为：Gm＝ReLU(Conv(Splice(Gm‑1))⊙PMask+Gm‑1),m＝1,2,…,M   (5)Splice表示局部特征窗口融合模块；Conv表示的卷积层；PMask表示掩码矩阵；ReLU表示激活函数；m为第m层特征融合层；

经M层特征融合层的输出序列GM输入一层Transformer网络层，得到融合了局部特征的输出 选取特征 作为局部特征分量；

步骤5、将得到的全局特征分量gclass与局部特征分量 输入分类器，并构造损失函数训练Transformer编码器，得到通信信号分类结果。

2.根据权利要求1所述基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，在步骤1中：所述通信信号样本的集合包括二进制相移键控BPSK、正交相移键控QPSK、8相移键控8PSK、16振幅相移键控16APSK、32振幅相移键控32APSK、16正交振幅调制16QAM、32正交振幅调制32QAM和64正交振幅调制64QAM共8种调制类型，8种调制类型的通信信号通用模型s(n)为：其中，a(n)表示第n个符号的幅度；fc为信号的中心频率，若信号已经经过载波同步处理，则fc趋近于0； 为信号的调制相位，在完整符号周期内保持不变； 表示初始相位；j2

表示平方根sqrt(‑1)；n0(n)为服从N(0,σ)的加性高斯白噪声。

3.根据权利要求2所述基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，在步骤2中，所述基带序列是由通信信号的同相分量sI(n)与正交分量sQ(n)组成，即：其中，Re[s(n)]表示基带序列的实部信息，Im[s(n)]表示基带序列的虚部信息，Re[]表示取实部，Im[]表示取虚部。

4.根据权利要求3所述基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，在步骤2中，将预处理后的基带序列转换为星座图具体操作如下：使用Python将预处理后的基带序列利用scatter函数转换为星座图的形式，再将星座图转换为三通道灰度图。

5.根据权利要求4所述基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，所述局部特征窗口融合模块Splice的具体操作如下：假定池化后的局部特征个数为K，每个局部特征拆解为D块，第m层特征融合的过程中逐一将(i1+j1)％(K+1)块特征的j1通道信息Gm‑1((i1+j1)％(K+1),j1)移动到第i1块特征的j1通道位置G'm‑1(i1,j1)，％表示取余，移动过程即：G'm‑1(i1,j1)＝Gm‑1((i1+j1)％(K+1),j1)i1＝0,…,K；j1＝0,…,D‑1  (5)其中，G'm‑1(i1,j1)表示移动后的特征序列。

6.根据权利要求5所述基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，步骤5中，所述分类器由多层感知器MLP与softmax函数构成；

所述损失函数表达式为：

L＝Lcross‑entropy+Ltriplet   (5)其中，Lcross‑entropy为交叉熵损失，Ltriplet为三元组损失。