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！

龙图腾网获悉哈尔滨工程大学申请的专利一种混合特征样本扩充结合演化LSTM网络的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：CN119202551B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410847897.5，技术领域涉及：G06F18/15；该发明授权一种混合特征样本扩充结合演化LSTM网络的信号识别方法是由高洪元;郭瑞晨;扎希德·乌拉·汗;郭颖;郭常浩;王佳仪;谷晓苑;马静雅;赵立帅;王欣悦设计研发完成，并于2024-06-27向国家知识产权局提交的专利申请。

本一种混合特征样本扩充结合演化LSTM网络的信号识别方法在说明书摘要公布了：本发明公开了一种混合特征样本扩充结合演化LSTM网络的信号识别方法，首先提取多种混合特征后利用滑动窗口进行样本扩充得到适用于LSTM神经网络的特征样本，针对传统LSTM神经网络超参数依赖专家经验调整难以得到最优超参数的问题，提出一种量子北极狼机制进行高效求解，突破了传统LSTM神经网络依赖人工选择超参数带来依赖专家经验和随机性大的应用局限。

本发明授权一种混合特征样本扩充结合演化LSTM网络的信号识别方法在权利要求书中公布了：1.一种混合特征样本扩充结合演化LSTM网络的信号识别方法，其特征在于：步骤如下： 步骤一：建立调制信号样本库，得到调制信号数据集； 步骤二：对步骤一得到的调制信号数据集提取瞬时特征和累积量特征构造混合特征库； 步骤三：对步骤二提取的混合特征预处理； 步骤四：确定目标函数； 采用训练集和设置的超参数进行LSTM神经网络的训练，将LSTM网络在验证集上的误判率作为目标函数，亦即适应度函数F＝1-Ac，其中，Ac为验证集上的识别准确率；训练完成后，通过验证集验证训练的效果； 步骤五：初始化量子北极狼机制参数； 包括种群中个体数量Nq、最大迭代次数Gmax、搜索空间维数M和上界U＝[u1,u2,...,uM]与下界L＝[l1,l2,…,lM]，群体行为概率P，群体行为中狩猎攻击概率Q，群体行为中迫害攻击概率为1-Q，更新系数w1，变异概率选择概率在[0,1]之间随机初始化北极狼的量子位置并映射为对应位置其中i∈{1,2,…,Nq}，符号“⊙”代表矩阵或向量中对应位置的元素相乘，上标0代表迭代次数为0； 步骤六：将种群中第i匹北极狼位置的每一维度的元素映射为LSTM网络的超参数，i∈{1,2,…,N}，采用训练集和对应超参数训练LSTM网络，将LSTM网络在验证集上的误判率作为第i匹北极狼的适应度函数； 步骤七：进入迭代循环，令t＝t+1，对于种群中第i匹北极狼，计算与迭代次数有关的变量mt的值mt＝exptGmax-1，与P的值对比，若小于P则进入群体行为；若mt大于等于P进行食腐行为； 步骤八：对于第t次迭代的第i匹北极狼，若生存概率则进行生存行为，更新量子旋转角为其中mt＝exp1-tGmax-tGmax，式中：表示第t次迭代第i匹北极狼的满足0,1之间均匀分布的随机数；否则进入步骤九； 步骤九：根据量子旋转角和量子门策略更新每匹北极狼的量子位置为式中：代表第i匹北极狼第t迭代的量子位置第d个维度，是对应的更新后量子旋转角，是满足[0,1]之间均匀分布的随机数，为量子旋转角为0时量子位置的变异概率； 步骤十：计算新一代第i匹北极狼的位置为将其每一维度的元素转换为对应的LSTM网络超参数，训练LSTM网络后将验证集上的误判率作为对应的适应度函数 步骤十一：采用保留策略保留更新后北极狼：若更新后北极狼适应度更优则保留更新后对应的位置、量子位置和适应度，否则不保留；更新最优个体对应的量子位置和位置更新每匹北极狼的生存概率为 步骤十二：判断迭代次数t是否达到最大迭代次数Gmax，若t＝Gmax，则输出最优北极狼位置作为寻优结果，否则返回步骤七继续迭代； 步骤十三：将每一维度的元素转换为对应的最优LSTM网络超参数，训练最优超参数的LSTM神经网络，训练完成后利用测试集测试LSTM网络的调制信号识别性能，并进行结果分析。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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”。

以上内容由龙图腾AI智能生成。