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基于特征融合和集成学习的雷达辐射源识别方法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：CN116166965B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310297464.2，技术领域涉及：G06F18/214；该发明授权基于特征融合和集成学习的雷达辐射源识别方法是由郑纪彬;曾若兰;陈柔暄;李晨睿设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本基于特征融合和集成学习的雷达辐射源识别方法在说明书摘要公布了：本发明提出了一种基于特征融合和集成学习的雷达辐射源识别方法，实现步骤为：1获取训练样本集和测试样本集；2构建集成学习模型；3对集成学习模型进行迭代训练；4获取辐射源识别结果。本发明构建了一个包含三个基分类器的集成学习模型，并利用堆栈式自编码器对雷达辐射源信号的脉冲描述字特征和时频分布特征进行了特征融合，解决了现有技术利用特征不全面，利用率低的问题，提高了雷达辐射源识别在复杂电磁环境下的识别鲁棒性和精确度。

本发明授权基于特征融合和集成学习的雷达辐射源识别方法在权利要求书中公布了：1.一种基于特征融合和集成学习的雷达辐射源识别方法，其特征在于，包括如下步骤： 1获取训练样本集、测试样本集： 1a获取包括C个雷达辐射源类别的N个脉冲信号S＝{sn|1≤n≤N}及其对应的脉冲描述字和标签，并对每个脉冲信号进行预处理，得到时频分布特征TF＝{TFn|1≤n≤N}，同时对每个脉冲信号对应的脉冲描述字进行归一化，得到脉冲描述字特征PDW＝{PDWn|1≤n≤N}，其中C≥30，N≥9000，PDWn、TFn分别表示第n个脉冲信号对应的脉冲描述字特征、时频分布特征； 1b选取每个雷达辐射源类别中半数以上的脉冲信号对应的总共R个时频分布特征{TFr|1≤r≤R}、脉冲描述字特征{PDWr|1≤r≤R}和标签{Lr|1≤r≤R}组成训练样本集Btrain，并将剩余的E个时频分布特征{TFe|1≤e≤E}和脉冲描述字特征{PDWe|1≤e≤E}组成测试样本集Btest，其中R＞0.5N，E＝N-R，Lr表示第r个脉冲信号对应的标签； 2构建集成学习模型： 构建包括并行排布的第一基分类器O1、第二基分类器O2、第三基分类器O3，以及与O1、O2、O3输出端级联的判定器O4的集成学习模型O；其中O1包括顺次连接的第一K近邻分类模型第一标签映射层RLab1和第二K近邻分类模型其中的输入端还与的输入端相连；O2包括顺次连接的第一卷积神经网络第二标签映射层RLab2和第二卷积神经网络其中的输入端还与的输入端相连；O3包括顺次连接的堆栈式自编码DAE和第三K近邻分类模型KNNCFS，的输出端还与DAE的输入端相连；其中和均包含顺次级联的第一卷积层、平均池化层、第二卷积层、最大池化层、展平层、多个全连接层；DAE包含顺次层叠的多个隐藏层； 3对集成学习模型O进行迭代训练： 3a初始化迭代次数为i，最大迭代次数为I，I≥400，和的网络参数分别为θT1、θT2，DAE的网络参数为θD，并令i＝0； 3b将训练样本集Btrain作为集成学习模型O的输入进行前向传播： 3b1第一基分类器O1中的第一K近邻分类模型对每个训练样本中的脉冲描述字特征PDWr进行分类；第一标签映射层RLab1根据分类得到的类别模糊向量对每个训练样本中的标签Lr进行映射；第二K近邻分类模型根据RLab1映射得到的映射标签对每个训练样本中的脉冲描述字特征PDWr进行分类，得到类别模糊向量 3b2第二基分类器O2中的第一卷积神经网络对每个训练样本中的时频分布特征TFr分别进行特征提取、分类，得到输出特征Vetr、类别模糊向量第二标签映射层RLab2根据对每个训练样本中的标签Lr进行映射，得到映射标签第二卷积神经网络根据RLab2映射得到的映射标签对每个训练样本中的时频分布特征TFr进行分类，得到类别模糊向量 3b3第三基分类器O3中的堆栈式自编码DAE对每个训练样本中的脉冲描述字特征PDWr与第一卷积神经网络输出的Vetr进行特征融合；第三K近邻分类模型KNNCFS对DAE特征融合得到的融合特征向量CFSr进行分类，得到类别模糊向量 3c采用交叉熵损失函数，并通过和Lr计算第一卷积神经网络的损失值通过和计算第二卷积神经网络的损失值通过和Lr计算堆栈式自编码DAE的损失值再采用反向传播方法，通过 分别计算DAE的网络参数梯度，然后采用梯度下降算法，通过DAE的网络参数梯度分别对的网络参数θT1、的网络参数θT2、DAE的网络参数θD进行更新，得到本次迭代的集成学习模型Oi； 3d判断i≥I是否成立，若是，得到训练好的集成学习模型O*，否则，令i＝i+1，Oi＝O，并执行步骤3b； 4获取辐射源识别结果： 4a将测试样本集Btest作为训练好的集成学习模型O*的输入，第一基分类器O1对每个测试样本中的脉冲描述字特征PDWe进行分类，得到类别模糊向量第二基分类器O2对每个测试样本中的时频分布特征TFe进行分类，得到输出特征Vete和类别模糊向量第三基分类器O3对每个测试样本中的脉冲描述字特征PDWe与第二基分类器O2输出的Vete进行特征融合后进行分类，得到类别模糊向量 4b判定器O4对O1、O2、O3输出的每个测试样本中的类别模糊向量 进行判决，得到雷达辐射源识别结果Res＝{Rese|1≤e≤E}。

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”。