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调制信号的分类方法、装置及设备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：CN119740089B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411674736.7，技术领域涉及：G06F18/241；该发明授权一种调制信号的分类方法、装置及设备是由周峰;张霖润;张振熙;马建昆;谭浩月设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种调制信号的分类方法、装置及设备在说明书摘要公布了：本发明提供了一种调制信号的分类方法、装置及设备。方法包括：获取待分类调制信号；将待分类调制信号输入预训练调制信号分类模型，获得调制信号分类结果；由于预训练调制信号分类模型中的预训练Mamba模型，通过将选择性状态空间SSM与Mamba卷积块所提取的特征进行组合，可以有效提取并处理待分类调制信号的特征，提高了预训练调制信号分类模型对待分类调制信号识别的准确性；另外，通过设计特定的损失函数，使初始MCLDNN模型和初始Mamba模型在正常训练的同时能够互相学习，而无需给数据额外引入扰动，提升了预训练调制信号分类模型的性能。因此，本发明方法提高了计算资源利用率和预训练调制信号分类模型的泛化能力。

本发明授权一种调制信号的分类方法、装置及设备在权利要求书中公布了：1.一种调制信号的分类方法，其特征在于，包括： 获取待分类调制信号； 将所述待分类调制信号输入预训练调制信号分类模型，获得调制信号分类结果；所述预训练调制信号分类模型设置有并行连接的预训练Mamba模型和预训练MCLDNN模型；所述预训练Mamba模型基于选择性状态空间模型构建，并在Mamba卷积块的基础上引入Mamba时序层，所述Mamba时序层结合选择性SSM机制和MLP结构，形成同质化堆叠模块；所述预训练MCLDNN模型包括多个MCLDNN卷积块和时序层，所述MCLDNN卷积块用于提取局部特征，所述时序层用于捕捉长序列依赖；所述预训练调制信号分类模型采用调制信号样本和预设损失函数，基于初始Mamba模型和初始MCLDNN模型之间的相互学习策略构建得到； 所述预训练MCLDNN模型包括：第一卷积块、第二卷积块、第三卷积块、第四卷积块、第五卷积块、第一时序层、第二时序层、第一全连接层以及第二全连接层； 所述第一卷积块、所述第二卷积块和所述第三卷积块并行连接，所述第二卷积块和所述第三卷积块的输出均与所述第四卷积块串联连接，所述第一卷积块的输出与所述第四卷积块的输出并联连接，所述第一卷积块和所述第四卷积块均与所述第五卷积块串联连接，所述第五卷积块依次与所述第一时序层、所述第二时序层、所述第一全连接层以及所述第二全连接层串联连接； 所述预训练Mamba模型包括：第六卷积块、第七卷积块、第八卷积块、第九卷积块、第十卷积块、第一Mamba时序层、第二Mamba时序层、第三全连接层以及第四全连接层； 所述第六卷积块、所述第七卷积块和所述第八卷积块并行连接，所述第七卷积块和所述第八卷积块的输出均与所述第九卷积块串联连接，所述第六卷积块的输出与所述第九卷积块的输出并联连接，所述第六卷积块和所述第九卷积块均与所述第十卷积块串联连接，所述第十卷积块依次与所述第一Mamba时序层、所述第二Mamba时序层、所述第三全连接层以及所述第四全连接层串联连接； 所述第一Mamba时序层和所述第二Mamba时序层基于线性投影、状态空间模型、深度卷积以及SiLU激活函数实现序列特征提取； 所述预设损失函数表示为： ； 其中，表示预设损失函数，表示交叉熵损失函数，表示调制信号样本输入初始MCLDNN模型的预测得分，表示调制信号样本输入初始Mamba模型的预测得分，表示调制信号样本的真实标签，表示依据初始MCLDNN模型的预测得分转化的独热编码，表示依据初始Mamba模型的预测得分转化的独热编码。

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”。