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！

龙图腾网获悉中国人民解放军陆军工程大学申请的专利一种基于门控注意力融合与加权损失的多模态调制信号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：CN120470411B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510949920.6，技术领域涉及：G06F18/241；该发明授权一种基于门控注意力融合与加权损失的多模态调制信号识别方法是由吴丹;郭兰;杨炜伟;管新荣;杨晓琴;杨文东设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本一种基于门控注意力融合与加权损失的多模态调制信号识别方法在说明书摘要公布了：本发明公开了一种基于门控注意力融合与加权损失的多模态调制信号识别方法，包括：获取多模态调制信号并进行预处理；利用多分支特征提取网络对多模态调制信号进行特征提取；利用门控注意力机制对提取的特征进行融合；构建深度强化学习驱动的自适应三重加权损失函数；基于损失函数更新多分支特征提取网络和门控注意力机制中的参数，循环迭代直至损失收敛状态达到预设标准；将待识别的信号数据输入训练完成的网络，通过多分支特征提取和门控注意力特征加强获得融合后的特征，通过全连接分类层和Softmax函数输出调制信号识别的结果。本发明能提高低信噪比条件下的信号识别精度，同时，该方法所能识别的调试方式种类广泛。

本发明授权一种基于门控注意力融合与加权损失的多模态调制信号识别方法在权利要求书中公布了：1.一种基于门控注意力融合与加权损失的多模态调制信号识别方法，其特征在于，所述方法包括： 步骤1，获取多模态调制信号并进行预处理； 步骤2，利用多分支特征提取网络对多模态调制信号进行特征提取； 步骤3，利用门控注意力机制对步骤2得到的特征进行融合； 步骤4，构建深度强化学习驱动的自适应三重加权损失函数； 步骤5，基于步骤4的损失函数计算梯度误差，反向传播更新步骤2的多分支特征提取网络和步骤3的门控注意力机制中的参数，迭代循环训练，直至损失收敛状态达到预设标准； 步骤6，将待识别数据输入训练完成的由步骤1至步骤5形成的网络，经步骤2-步骤3获得融合特征后，通过全连接分类层和Softmax函数输出识别结果； 步骤1所述多模态调制信号，包括：由接收信号转换后的IQ信号、时频图和星座图这三种模态信号；所述接收信号为由接收机接收到的经过调制和信道传输后的信号； 所述IQ信号为，将接收信号分解为同相与正交分量： ； 其中，和分别表示接收信号的同相分量和正交分量，为虚数单位，和分别表示取接收信号的实部和虚部；为第个采样点的复基带信号； 所述时频图为，通过短时傅里叶变换构建时频分布矩阵： ； 其中，是以为中心的窗函数，是通过STFT获得的单通道时频分布矩阵，和分别表示频率和时间的分量，为积分时间变量；表示连续时间域的复基带信号，通过对连续信号进行量化获得； 所述星座图为：以接收信号的同相分量为横坐标，正交分量为纵坐标，将离散采样点投影至复平面上，重构调制符号的几何分布特征； 步骤1中进行预处理，具体包括： 步骤1-1，自适应信噪比区间离散化； 设定接收信号信噪比范围为，将其等间隔划分为K个SNR层级： ； 其中，表示第个SNR层级，为层级间隔，分别为信噪比的上、下限；每个调制类别和SNR层级；为调制信号的种类总数即调制类别总数； 步骤1-2，多模态时空对齐处理； 针对每个调制类别及信噪比组合，分别从IQ信号、时频图和星座图三模态的数据源、和中提取数量对齐的样本子集，样本量分别为、、，则有效样本量为： ； 由此构建严格匹配的三模态训练样本组： ； 式中，分别表示IQ信号、时频图和星座图三模态的训练样本集合，分别表示的大小； 步骤1-3，概率均衡采样策略； 构建训练批次B时，每个组合的选取概率满足： 。

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中国人民解放军陆军工程大学，其通讯地址为：210007 江苏省南京市秦淮区后标营路88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”。