申请/专利权人：南京邮电大学

申请日：2024-04-17

公开（公告）日：2024-07-05

公开（公告）号：CN118296434A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06N3/0464;G06N3/08;G06N3/084;G06N3/045;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了基于双重隐式正则化的有限样本特定辐射源识别方法，包括使用频谱分析仪采集PA数据，从飞行器中获取ADS‑B数据，将两个数据集按照比例划分为训练集、验证集和测试集数据；训练样本首先进行数据和标签的双重隐式正则化；将增强后的样本和原始样本同时送入MRAN进行前向传播，提取模型特征，获得初始模型预测值；将模型预测值与标签值代入分类损失函数计算，获得分类损失值；使用分类损失和增强样本的损失通过反向传播更新模型，获得最优的有限样本特定辐射源识别网络模型；将用于测试的样本输入到MRAN网络中进行特征提取，随后由模型输出辐射源的识别类别。本发明提高了在现实有限的样本场景下特定辐射源识别的性能和准确率，增强模型泛化性。

主权项：1.一种基于双重隐式正则化的有限样本特定辐射源识别方法，其特征在于，具体包括以下步骤：：步骤1：使用频谱分析仪收集PA数据并构成PA数据集，同时从飞行器中获取ADS-B数据并制作为ADS-B数据集，将两个数据集按照比例划分为训练集、验证集和测试集数据；步骤2：对于这两个数据集，构建五个有限样本场景，分别按顺序提取20％、15％、10％、5％和3％的原始训练样本；训练样本首先进行数据和标签的双重隐式正则化；即样本意义的正则化和标签意义的正则化；步骤3：将训练样本进行数据和标签的双重隐式正则化后，增强后的样本和原始样本同时送入MRAN进行前向传播，提取模型特征，获得初始模型预测值、模型权重；步骤4：将模型预测值与标签值代入分类损失函数计算，获得原始样本和增强样本的分类损失值；步骤5：通过分类损失和增强样本的损失，利用反向传播算法更新模型，获得最优的双重隐式正则化的有限样本特定辐射源识别网络模型；步骤6：将用于测试的样本直接输入到训练好的MRAN网络中，随后通过分类器输出辐射源的识别类别。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于双重隐式正则化的有限样本特定辐射源识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD