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!
申请/专利权人:中国人民解放军国防科技大学
摘要:本发明公开了一种系统性的辐射源小样本增量识别方法及系统,具体为:在数据处理模块中,对所有接收到的信号样本进行基于自适应小波分解的预处理;对小样本进行基于滑窗切片的样本增强;在动态子网模块中,提出识别模型边界紊乱的概念;设计基于动态子网的增量识别算法:首先为当前增量会话中的识别模型寻找出最优子网;接着冻结最优子网参数,在识别模型中除了最优子网的剩余部分训练新任务;最后动态扩充识别模型的网络节点,并学习每个扩充网络节点的重要性,剪枝冗余网络节点,实现网络节点的扩充再压缩;在测试阶段,设计一种全新的识别范式并对增量过程中出现过的所有类进行识别。本发明在不依赖已识别辐射源训练样本的前提下,提高了辐射源小样本增量识别性能。
主权项:1.一种系统性的辐射源小样本增量识别方法,其特征在于,具体如下:在数据处理模块中,执行步骤1~步骤2:步骤1、对所有接收到的信号样本进行基于自适应小波分解的预处理;步骤2、在步骤1的基础上,对小样本进行基于滑窗切片的样本增强,丰富小样本的特征信息;在动态子网模块中,执行步骤3~步骤5:步骤3、根据同一识别模型对不同分布域数据输出差异的现象,提出识别模型边界紊乱的概念;步骤4、设计基于动态子网的增量识别算法:首先,为当前增量会话中的识别模型寻找出最优子网,使得最优子网在旧任务上的性能与原识别模型相同;接着,冻结最优子网参数,在识别模型中除了最优子网的剩余部分训练新任务;最后,当识别模型不足以支撑新任务的学习时,动态扩充识别模型的网络节点,并学习每个扩充网络节点的重要性,剪枝冗余网络节点,实现网络节点的扩充再压缩,从而保证识别模型的学习能力随着新任务的增加而不断提高;步骤5、在测试阶段,基于步骤3所提边界紊乱的概念设计识别范式,并对辐射源小样本增量中出现过的所有类进行识别。
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 一种系统性的辐射源小样本增量识别方法及系统
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。