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基于K中心特征分布重建的类增量雷达辐射源个体智能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：CN119669824B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202411726953.6，技术领域涉及：G06F18/24；该发明授权一种基于K中心特征分布重建的类增量雷达辐射源个体智能识别方法是由武斌;张可;李鹏;张葵;张琳;康智设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种基于K中心特征分布重建的类增量雷达辐射源个体智能识别方法在说明书摘要公布了：本发明涉及一种基于K中心特征分布重建的类增量雷达辐射源个体智能识别方法，属于雷达数据处理技术领域。包括：仿真生成初始类别数据集，将初始类别数据集作为特征提取器的输入，基于改进的有监督对比损失函数对特征提取器进行训练，采用特征提取器进行特征提取得到训练集特征；对每一类的训练集特征进行基于K‑means的多中心提取，得到每一类的每个簇中心作为此类特征的K中心集和该K中心所在簇包含的点数，在K中心周边生成点数个噪声作为伪特征；将伪特征和新类特征合并，训练网络分类器。本发明方法能够处理小样本条件下对雷达辐射源个体增量式识别的任务，显著地提高模型的泛化性。

本发明授权一种基于K中心特征分布重建的类增量雷达辐射源个体智能识别方法在权利要求书中公布了：1.一种基于K中心特征分布重建的类增量雷达辐射源个体智能识别方法，其特征在于，包括： 仿真生成若干类带噪声雷达辐射源个体数据集，将每类样本分为训练集和测试集； 构建预训练的特征提取器，所述特征提取器包括3个融合多头注意力机制的多尺度卷积模块、全局自适应平均池化层、全连接神经网络层；所述融合多头注意力机制的多尺度卷积模块，包括： 将输入数据分别经过三个不同尺度的一维卷积支路： 其中，为卷积的尺度，为尺度的卷积支路输出，为输入； 输入还经过一个池化卷积支路： 其中，为池化卷积支路输出，为输入； 将各个支路的输出在通道方向拼接，得到多尺度卷积的输出： 其中，为多尺度卷积的输出； 对多尺度卷积的输出使用多头自注意层，得到模块输出： 提取训练集的N个采样点作为特征提取器的第一通道输入，对N个采样点做FFT变换，将FFT变换后的实部和虚部分别作为特征提取器的第二通道、第三通道输入；对第一通道、第二通道、第三通道的输入样本进行归一化处理，使其满足均值为0、标准差为1的分布； 基于改进的有监督对比损失函数对特征提取器进行训练，采用训练好的特征提取器进行特征提取得到训练集特征；所述基于改进的有监督对比损失函数对特征提取器进行训练，包括： 在使用有监督对比损失函数训练中，分别将一个batch里的每一个样本特征的同类样本特征作为正样本对、不同类样本特征作为负样本对； 通过特征向量的点积来计算锚点和对比特征之间的相似度Logits： 其中，和分别是样本和样本的特征向量，是控制相似度梯度的温度参数； 使用softmax函数计算对比logits的概率分布： 对于正、负样本对分别计算正样本损失和负样本损失： 其中，是样本的正样本集；是样本的负样本集； 将正样本和负样本对的对数概率的差值作为最终损失，在整个批次中取平均值作为损失： 其中，是最终损失，是负样本权重用来控制负样本在损失计算中的重要性 对每一类的训练集特征进行基于K-means的多中心提取，得到每一类的每个簇中心作为此类特征的K中心集和该K中心所在簇包含的点数，在K中心周边生成点数个噪声作为伪特征；所述对每一类的训练集特征进行基于K-means的多中心提取，包括： 设置簇数量，优化目标为所有数据点到其所属簇中心的距离平方和： 其中，是第个数据点，是第个簇中心，是第个簇中所有数据点的集合，是欧氏距离的平方； 通过迭代进行簇分配和中心更新，K-means算法尝试最小化目标函数从而将数据集划分为10个最优的簇； 将伪特征和新类特征合并，训练网络分类器，所述网络分类器为两层全连接层神经网络分类器，输入层神经元个数等于特征维度数512，中间层神经元个数设置为128，输出层神经元个数等于当前总类别个数；所述新类特征的获取，包括： 对新类雷达辐射源个体训练集样本使用训练好的特征提取器进行特征提取，得到新类的训练集特征； 所述伪特征服从以K中心为均值、标准差为的正态分布： 其中，为第i个K中心位置； 使用训练好的特征提取器对测试集进行特征提取，将测试集的特征输入到训练好的网络分类器进行分类测试其识别准确率。

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”。

以上内容由龙图腾AI智能生成。