买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于生成对抗网络的小样本辐射源个体开集识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119026000B 。

龙图腾网通过国家知识产权局官网在2025-01-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411505528.4，技术领域涉及：G06F18/241；该发明授权一种基于生成对抗网络的小样本辐射源个体开集识别方法是由杨阿锋;吴超设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的小样本辐射源个体开集识别方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的小样本辐射源个体开集识别方法，该方法首先获取不同辐射源个体的时序数据，并转换为时频图构建时频图数据集。其次将时频图进行RGB通道归一化，再将其输入生成对抗网络中，进行重构训练。然后利用训练后的对抗网络生成已知样本和未知样本，将已知样本和未知样本加入到时频图数据集进行扩充，并采用已知样本对生成对抗网络进行微调训练。最后将扩充后的时频图数据集输入到基于最大损失的自注意力ResNet18网络中，结合生成对抗网络输入和输出的重构损失实现辐射源的开集识别。本发明解决了辐射源个体识别中的小样本问题和开集识别问题，更好的实现了辐射源的开集识别。

本发明授权一种基于生成对抗网络的小样本辐射源个体开集识别方法在权利要求书中公布了：1.一种基于生成对抗网络的小样本辐射源个体开集识别方法，其特征在于，包括以下步骤：步骤1：获取不同辐射源个体的时序数据，并将时序数据转换为时频图，由时频图构建时频图数据集；步骤2：将时频图进行RGB通道归一化，再将其输入到由编码器、解码器和鉴别器构成的生成对抗网络中，进行重构训练，直至收敛；步骤3：利用训练后的对抗网络生成已知样本和未知样本；具体过程如下：已知样本生成方式为：随机选择时频图，乘以一个预设范围的随机权重因子，将其输入到训练后的生成对抗网络中，通过编码器、解码器生成重构已知样本，直至生成样本扩充至所要求数量；未知样本生成包括如下两种方式：一为将两个不同类的时频图同时进行水平分割，分别取两个图像的上部分和下部分，拼接成完整的时频图；将两个不同类的时频图同时进行竖直分割，分别取两个图像的左部分和右部分，拼接成完整的时频图；二为获得四个不同类样本的时频图通过编码器输出的特征向量，分别计算四个特征向量的均值和方差，将四个符合对应均值和方差的高斯噪声进行加权叠加，输入到解码器中，重构成未知类的样本；步骤4：将已知样本和未知样本加入到时频图数据集进行扩充，并采用已知样本对生成对抗网络进行微调训练；步骤5：将扩充后的时频图数据集输入到基于最大损失的自注意力ResNet18网络中，结合生成对抗网络输入和输出的重构损失实现辐射源的开集识别；将已知样本归为前N类样本，未知类归为第N+1类样本，将开集识别问题转为伪闭集问题，将扩充后的时频图数据集输入到基于最大损失的自注意力ResNet18网络中进行训练，训练的损失包括两部分：交叉熵分类损失和最大损失，分别实现标签样本匹配和类内特征聚类、不同类特征疏远的作用；在识别阶段，首先将时频图输入到生成对抗网络中，得到样本通过编码器、解码器后的输出结果；通过将原时频图和解码后得到的时频样本分别输入到鉴别器中，计算鉴别器的输出差值，得到生成对抗网络重构前后图像的重构误差；设定重构判定阈值上下限，如果误差大于阈值上限或误差小于阈值下限，则样本识别为未知样本；否则，将时频样本输入到基于最大损失的自注意力ResNet18网络中，获得分类结果，实现开闭集目标的识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。