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五十四研究所申请的专利一种基于双通道的信号对比预测半监督自动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：CN119743356B 。

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：202411674772.3，技术领域涉及：H04L27/00；该发明授权一种基于双通道的信号对比预测半监督自动调制识别方法是由石晓然;苗昊倩;谢军;李昱;谭浩月;周峰设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于双通道的信号对比预测半监督自动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双通道的信号对比预测半监督自动调制识别方法，涉及无线电信号调制识别技术领域，本发明首先通过深入利用未标记数据的IQ序列和AP序列的上文信息进行自监督的预训练，有效提升模型的泛化能力，然后使用少量的标记样本进行微调即可获得良好的半监督识别效果，解决了基于深度学习的自动调制识别算法对大量标注数据的高度依赖性。在相同的标记样本数量下，本发明方法的识别准确率优于现有的有监督自动调制识别方法。

本发明授权一种基于双通道的信号对比预测半监督自动调制识别方法在权利要求书中公布了：1.一种基于双通道的信号对比预测半监督自动调制识别方法，其特征在于，包括： 步骤1：根据第一无线电调制信号得到所述第一无线电调制信号的IQ序列和AP序列，所述第一无线电调制信号为无标签的无线电调制信号；所述步骤1包括：步骤1.1：根据第一无线电调制信号得到所述第一无线电调制信号的IQ序列；步骤1.2：从所述第一无线电调制信号的IQ序列中提取得到幅度信息和相位信息构成所述AP序列； 步骤2：将所述第一无线电调制信号的IQ序列和AP序列输入至预设的自监督对比预测编码器中进行自监督预训练，得到训练完成的自监督对比预测编码器；所述自监督对比预测编码器包括级联的双通道输入网络、自回归模型和全连接层单元，其中，所述双通道输入网络包括第一编码器、第二编码器和通道维融合单元；所述第一编码器用于提取所述IQ序列的特征信息；所述第二编码器用于提取所述AP序列的特征信息；所述通道维融合单元用于将所述IQ序列的特征信息和所述AP序列的特征信息在通道维度上融合，得到潜在表示序列；所述自回归模型用于根据当前时刻之前的潜在表示序列提取得到无线电调制信号的历史编码信息；所述全连接层单元用于根据所述历史编码信息得到预设预测步长的预测潜在表示序列； 所述步骤2包括：步骤2.1：将所述第一无线电调制信号的IQ序列和AP序列输入至所述自监督对比预测编码器中，得到预测潜在表示序列；步骤2.2：根据构建的自监督预测损失函数，计算所述预设预测步长的预测潜在表示序列以及根据所述双通道输入网络得到的潜在表示序列之间的对比损失，基于所述对比损失反向传播训练所述自监督对比预测编码器，达到预设训练次数后得到训练完成的自监督对比预测编码器； 所述自监督预测损失函数表示为： ； 式中，为预设预测步长，表示求平均值，为预设预测步长中每个时刻对应的时序预测投影头，表示矩阵转置，表示历史编码信息，为当前时刻，为根据第一无线电调制信号得到的预设预测步长的潜在表示序列，表示与取值不同的潜在表示序列，与预设预测步长的预测潜在表示序列构成负样本对； 步骤3：基于所述训练完成的自监督对比预测编码器构建调制识别模型，利用第二无线电调制信号对所述调制识别模型进行训练，得到训练完成的调制识别模型，所述第二无线电调制信号为赋有真实类别标签的无线电调制信号； 所述步骤3包括：步骤3.1：构建所述调制识别模型，所述调制识别模型包括级联的训练完成的自监督对比预测编码器和分类器，其中，所述分类器包括级联的两个全连接层和批归一化层；步骤3.2：根据所述第二无线电调制信号得到所述第二无线电调制信号的IQ序列和AP序列；步骤3.3：将所述第二无线电调制信号的IQ序列和AP序列输入至所述调制识别模型中，所述分类器用于将所述训练完成的自监督对比预测编码器输出的所述第二无线电调制信号的预测潜在表示序列映射到目标类别上，得到所述第二无线电调制信号的预测调制类别；步骤3.4：根据所述预测调制类别与所述真实类别标签之间的分类损失反向传播训练所述调制识别模型，达到预设训练次数后得到训练完成的调制识别模型； 步骤4：利用所述训练完成的调制识别模型实现待测无线电信号的调制识别。

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五十四研究所，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”。

以上内容由龙图腾AI智能生成。