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！

龙图腾网恭喜西安电子科技大学申请的专利一种通信干扰信号的智能识别方法、装置及介质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：CN114548182B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202210186023.0，技术领域涉及：G06F18/2415；该发明授权一种通信干扰信号的智能识别方法、装置及介质是由关磊;王小豪;司江勃;李赞;许睿;惠佩;王浩;杨迪丹;付杭;高文栋设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本一种通信干扰信号的智能识别方法、装置及介质在说明书摘要公布了：本发明实施例公开了一种通信干扰信号的智能识别方法、装置及介质，该方法包括：将获取到的通信干扰信号的频谱数据划分训练集和验证集；利用能够进行置信分数估计和识别概率计算的DCNN构建通信干扰信号的识别模型；利用训练集对识别模型进行训练；将训练完毕的识别模型对验证集进行识别，并根据识别结果中关于验证集的数据置信分数的分布，设置用于判定未知干扰信号的判定阈值；将训练完毕的识别模型对待识别的通信干扰信号进行识别，获得待识别的通信干扰信号的置信分数和概率分布；相应于待识别的通信干扰信号的置信分数小于判定阈值，则确定待识别的通信干扰信号为未知干扰；否则，将待识别通信干扰信号判定为概率最高的通信干扰信号。

本发明授权一种通信干扰信号的智能识别方法、装置及介质在权利要求书中公布了：1.一种通信干扰信号的智能识别方法，其特征在于，所述方法包括：将获取到的通信干扰信号的频谱数据划分训练集和验证集；利用能够进行置信分数估计和识别概率计算的深度卷积神经网络DCNN构建通信干扰信号的识别模型；利用所述训练集对所述识别模型进行训练；将训练完毕的所述识别模型对所述验证集进行识别，并根据识别结果中关于所述验证集的数据置信分数的分布，设置用于判定未知干扰信号的判定阈值；将训练完毕的所述识别模型对待识别的通信干扰信号进行识别，获得所述待识别的通信干扰信号的置信分数和概率分布；相应于所述待识别的通信干扰信号的置信分数小于所述判定阈值，则确定所述待识别的通信干扰信号为未知干扰；否则，将所述待识别通信干扰信号判定为概率最高的通信干扰信号；其中，所述利用能够进行置信分数估计和识别概率计算的DCNN构建通信干扰信号的识别模型，包括：基于识别需求确定所述DCNN的输入输出层的节点、卷积层层数、卷积核数、激活函数、池化层数以及全连接层数并进行初始化；将所述DCNN划分为提取特征部分、特征整合部分和结果处理部分；其中，所述提取特征部分包括卷积层和池化层；所述特征整合部分包括两个全连接层；所述结果处理部分包括两个全连接层且两个所述全连接层分别对所述特征整合部分输出的结果进行处理以得到待识别干扰信号在各已知干扰信号上的匹配概率和对待识别干扰信号识别的置信分数；所述利用所述训练集对所述识别模型进行训练，包括：对训练数据采取批处理方式，设置每次从所述训练集中输入至所述识别模型的数据数量；将数据采样方式设置为随机采样；基于下式定义识别概率计算的任务损失和置信分数估计的置信估计损失： 其中，表示修正后的通信干扰信号识别概率，表示经过所述识别模型中识别概率计算单元获得的原始预测的通信干扰信号识别概率，表示目标概率分布，表示已知通信干扰信号种类个数，C为所述识别模型中置信分数估计单元输出的置信分数；根据所述识别概率计算的任务损失和置信分数估计的置信估计损失按照下式确定所述识别模型的损失函数： 其中，引入预算超参数表示所述识别模型所允许的置信损失；引入超参数用于平衡所述任务损失和所述置信估计损失，且在所述模型中动态变化，当时增大，当时减小；在经过随机采样的数据集中按照设置的参数抽取数据输入到所述DCNN中，并基于设定的SDG优化算法按照设定的迭代次数进行训练，获得保存训练完毕的通信干扰信号的识别模型。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。