1.一种结合注意力机制的轻量化调制识别方法，其特征在于，包括：
2.根据权利要求1所述的结合注意力机制的轻量化调制识别方法，其特征在于，所述步骤s101包括：设计三种形式的卷积核，从三个卷积分支分别提取信号特征，其中，第一个卷积分支采用3×2的卷积核，用于提取所述i/q信号的通用特征；第二个卷积分支采用3×1的卷积核，分别提取i、q两路的时域特征，再通过一个1×2的卷积核用于提取深层i/q信号的相关特征；第三个卷积分支采用一个1×2的卷积核，提取i/q信号的相关特征。
3.根据权利要求1所述的结合注意力机制的轻量化调制识别方法，其特征在于，所述步骤s103中，采用多个3×1的小卷积核来提取所述特征图的深层时域特征，在保证感受野的条件下减少卷积核参数数量；并且在每个卷积核后再采用最大池化层降低数据维度，进一步降低时域方向计算量。
4.根据权利要求1所述的结合注意力机制的轻量化调制识别方法，其特征在于，所述步骤s104中，所述注意力机制通过自学习的方式获取特征图的每个通道的重要程度，根据所述重要程度赋予每个特征一个权重值，并和其对应的通道特征图相乘，得到矫正后的特征图。
5.根据权利要求4所述的结合注意力机制的轻量化调制识别方法，其特征在于，所述注意力机制包括压缩操作、激励操作和通道相乘操作，所述压缩操作通过全局平均池化将每个通道的二维特征映射u(h×w)压缩为1个通道描述符z，z的第c个元素计算公式如下：
6.一种结合注意力机制的轻量化调制识别系统，其特征在于，包括：
7.根据权利要求6所述的结合注意力机制的轻量化调制识别系统，其特征在于，所述混合特征提取单元用于设计三种形式的卷积核，从三个卷积分支分别提取信号特征，其中，
8.根据权利要求6所述的结合注意力机制的轻量化调制识别系统，其特征在于，所述时域特征提取单元用于采用多个3×1的小卷积核来提取所述特征图的深层时域特征，在保证感受野的条件下减少卷积核参数数量；并且在每个卷积核后再采用最大池化层降低数据维度，进一步降低时域方向计算量。
9.根据权利要求8所述的结合注意力机制的轻量化调制识别系统，其特征在于，所述注意力机制单元中，采用注意力机制通过自学习的方式获取特征图的每个通道的重要程度，根据所述重要程度赋予每个特征一个权重值，并和其对应的通道特征图相乘，得到矫正后的特征图。
10.根据权利要求8所述的结合注意力机制的轻量化调制识别系统，其特征在于，所述注意力机制单元包括压缩模块、激励模块和通道相乘模块，所述压缩模块通过全局平均池化将每个通道的二维特征映射u(h×w)压缩为1个通道描述符z，z的第c个元素计算公式如下：