龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国人民解放军国防科技大学
申请日：2024-03-15
公开（公告）日：2024-06-21
公开（公告）号：CN118228155A
主分类号：G06F18/2431
分类号：G06F18/2431;G06F18/2131;G06F18/25;G06F18/214;G06F18/15;G06N3/0464;G06N3/045;G06N3/08;G06F18/21;H04B17/29
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于自适应迭代多阶小波系数的辐射源个体识别方法，该方法为：将修正后的辐射源I、Q序列作为信号样本，并分别在I、Q路上进行多阶小波分解；针对不同信号样本计算小波分解的最优层数，得到I、Q路序列最优层数的小波系数；纵向拼接I、Q路序列的相应特征，并横向拼接所有信号样本的特征信息，得到辐射源个体的自适应迭代多阶小波系数；基于Transformer网络和倒置残差的方式构建神经网络模型，将所得自适应迭代多阶小波系数作为输入进行模型训练，最后进行辐射源个体的分类识别。本发明计算成本低、处理效率高、辐射源指纹特征提取能力强、分类精度高、识别系统泛化能力强，可以在复杂实际应用场景中识别多种不同体制的辐射源。
主权项：1.一种基于自适应迭代多阶小波系数的辐射源个体识别方法，其特征在于，包括以下步骤：步骤1、对接收到的辐射源信号进行数据预处理，去除信号中不需要的峰值，得到修正后的辐射源IQ序列作为信号样本；步骤2、对修正后的IQ序列，分别在I路和Q路上进行多阶小波分解；步骤3、针对不同信号样本，计算小波分解的最优层数，得到I路序列和Q路序列最优层数的小波系数；步骤4、纵向拼接来自I路序列和Q路序列的相应特征，保留IQ序列的内在结构关系，并横向拼接该辐射源个体所有信号样本的特征信息，得到辐射源个体的自适应迭代多阶小波系数；步骤5、基于Transformer网络和倒置残差的方式构建神经网络模型，将步骤4所得辐射源个体的自适应迭代多阶小波系数，作为神经网络模型的输入进行模型训练；步骤6、使用训练好的神经网络模型，进行辐射源个体的分类识别。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 一种基于自适应迭代多阶小波系数的辐射源个体识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号