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！

龙图腾网获悉西安电子科技大学申请的专利一种基于迁移学习的辐射源个体识别方法及系统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：CN115964625B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202211283087.9，技术领域涉及：G06F18/213；该发明授权一种基于迁移学习的辐射源个体识别方法及系统是由刘明骞;王嘉堃;张俊林;李进设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于迁移学习的辐射源个体识别方法及系统在说明书摘要公布了：本发明公开了一种基于迁移学习的辐射源个体识别方法及系统，属于辐射源个体识别技术领域，首先利用双谱变换进行特征提取，提取信号内的指纹信息；然后通过卷积神经网络对源目标域的个体数据进行学习，获得网络模型；最后通过基于模型的参数迁移、最大均值误差和双曲空间的域适配迁移学习方法对源域模型进行迁移，实现辐射源个体的智能迁移；本发明能够在较低信噪比下有良好的识别准确率，在不同的信道下仍具有良好的识别能力，解决了网络冷启动和慢收敛的问题，同时提升了辐射源个体识别精度。

本发明授权一种基于迁移学习的辐射源个体识别方法及系统在权利要求书中公布了：1.一种基于迁移学习的辐射源个体识别方法，其特征在于：利用双谱变换进行特征提取，提取信号内的指纹信息；通过卷积神经网络对源目标域的个体数据进行学习，获得源网络模型；通过基于模型的参数迁移、最大均值误差和双曲空间的域适配迁移学习方法对源网络模型进行迁移； 所述最大均值误差MMD的迁移学习方法，包括： 首先定义特征变换T用于调整联合分布，使得源域和目标域共同映射到特征空间中； 其中，Qy|x为条件概率分布，那么采取核主成分分析PCA来对误差进行降维重构，即找到一个正交变换矩阵A： 其中，I为单位矩阵，X是输入特征矩阵，其中tr·表示矩阵的迹，该式优化为特征分解XHXTA＝ATφ的有效解，其中φ为k个最大特征值； 采取最大均值误差来度量域之间的距离，属于非参数度量，估计如下： 其中，Xs为源域样本集，Xt为目标域样本集，φx将每个样本映射到与核kxi,xj＝φxiTφxj相关联的希尔伯特空间中，ns，nt分别代表了源域和目标域样本集的大小；代入PCA中得到： 通过核函数将其简化为： MMDXs,Xt＝trATXM0XTA； 其中，tr·是矩阵的迹，M0构成如下定义： 减小损失函数，即： 其中，代表模型在真实标签y和输入数据XL上的分类损失，MMDXS,XT表示源数据XS与目标数据XT之间的距离，λ是超参数，它决定了混淆域的强度； 所述双曲空间的域适配迁移学习方法，包括： 双曲空间的庞加莱球模型Poincaréball空间，通过流型来定义，其中τ为超参数，表示庞加莱球的曲率；在庞加莱球模型中，任意两点的诱导距离表示为： 在原深度学习网络末尾加入双曲网络层，最后通过映射将欧式空间映射到双曲流型表示为：

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”。