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;中国电子科技集团公司第二十九研究所申请的专利基于卷积去噪和Resnet50的雷达信号调制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：CN116805048B 。

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：202310147825.5，技术领域涉及：G06F18/24；该发明授权基于卷积去噪和Resnet50的雷达信号调制识别方法是由董春曦;葛鑫;郑晓波;高智鑫;黄程;董阳阳;饶鲜;王贤骅设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本基于卷积去噪和Resnet50的雷达信号调制识别方法在说明书摘要公布了：本发明公开了一种基于卷积去噪和Resnet50的雷达信号调制识别方法，本发明的实现方案为：对雷达信号进行时频分析；生成训练集；构建卷积去噪自编码器网络；训练卷积去噪自编码器网络；构建深度残差神经网络19‑Resnet50；利用迁移学习策略训练深度残差神经网络19‑Resnet50；识别雷达信号脉内调制类型。本发明利用卷积去噪自编码器网络实现了低信噪比下的雷达信号时频图像去噪，提高了雷达信号时频特征图像质量；本发明利用深度残差神经网络19‑Resnet50提取更深的图像分类特征，能够在低信噪比环境下对多种雷达信号脉内调制类型进行识别，具有抗噪能力强，识别雷达信号种类多，识别正确率高的优点。

本发明授权基于卷积去噪和Resnet50的雷达信号调制识别方法在权利要求书中公布了：1.一种基于卷积去噪和Resnet50的雷达信号调制识别方法，其特征在于，利用训练好的卷积去噪自编码器网络对低信噪比下的雷达信号带噪时频图像进行去噪处理，利用训练好的深度残差神经网络19-Resnet50提取去噪处理后的时频图像分类特征；该方法具体步骤包括如下： 步骤1，对雷达信号进行时频分析： 步骤1.1，分别对19类雷达信号进行Choi-Williams时频分析，得到该类雷达信号对应的时频图像矩阵； 步骤1.2，对每个时频图像矩阵进行归一化处理； 步骤2，生成训练集： 步骤2.1，选取归一化处理后每类雷达信号的至少240张时频图像，将其中120张带噪时频图像组成样本集，与其对应的120张无噪声时频图像组成样本标签集，将样本集中所有样本及其对应的标签组成训练集1； 步骤2.2，选取归一化处理后每类雷达信号的至少200张带噪时频图像组成样本集，图像类别作为样本标签集，将样本集中所有样本及其对应的标签组成训练集2； 步骤3，构建卷积去噪自编码器网络： 步骤3.1，构建卷积去噪自编码器网络中的编码器，其结构依次串联为：第一卷积层，ReLu激活层，第二卷积层，ReLu激活层，第一池化层，第三卷积层，ReLu激活层，第四卷积层，ReLu激活层，第五卷积层，ReLu激活层，第二池化层；将第一至第五卷积层的卷积核个数依次设置为64、64、128、128、256，卷积核的大小均设置为3×3，第一、第二池化层均采用最大值池化，池化核的大小均设置为1×2，池化步长均设置为1×2； 步骤3.2，构建卷积去噪自编码器网络中的解码器，其结构依次串联为：第一反卷积层，ReLu激活层，第二反卷积层，ReLu激活层，第三反卷积层，ReLu激活层，第四反卷积层，ReLu激活层，第五反卷积层，ReLu激活层，第六反卷积层，ReLu激活层，第七反卷积层，ReLu激活层；将第一至第七卷积层的卷积核个数依次设置为128、128、64、32、32、16、3，反卷积核的大小均设置为3×3； 步骤3.3，将构建的编码器、解码器和Sigmoid激活层依次串联形成卷积去噪自编码器网络，搭建的卷积去噪自编码器网络共27层； 步骤4，训练卷积去噪自编码器网络： 将训练集1输入到卷积去噪自编码器网络中，利用反向传播梯度下降法，迭代更新网络的各层参数，直到网络的损失函数收敛为止，得到训练好的卷积去噪自编码器网络； 步骤5，构建深度残差神经网络19-Resnet50： 构建一个由残差神经网络、全连接层、Softmax激活层串联组成的深度残差神经网络19-Resnet50；设置全连接层的输出神经元个数为19个； 步骤6，利用迁移学习策略训练深度残差神经网络19-Resnet50： 步骤6.1，将训练集2输入到训练好的卷积去噪自编码器网络中，输出去噪后的时频图像； 步骤6.2，将去噪后的时频图像输入到深度残差神经网络19-Resnet50中，使用迁移学习策略，利用反向传播梯度下降法，迭代更新网络的各层参数，直到网络的交叉熵损失函数收敛为止，得到训练好的深度残差神经网络19-Resnet50； 步骤7，识别雷达信号脉内调制类型： 步骤7.1，采用与步骤1相同的方法，将待识别的所有样本进行时频分析和归一化处理，将归一化处理后的样本输入到训练好的卷积去噪自编码器网络中，输出去噪后的时频图像； 步骤7.2，将去噪后的时频图像输入到深度残差神经网络模型19-Resnet50中进行分类识别，输出雷达信号的脉内调制类型。

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;中国电子科技集团公司第二十九研究所，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”。