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！

龙图腾网获悉浙江工业大学申请的专利一种基于数据负增强与伪类原型点的电磁信号开集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：CN116186618B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211628445.5，技术领域涉及：G06F18/2415；该发明授权一种基于数据负增强与伪类原型点的电磁信号开集识别方法是由徐东伟;宋福星;侯嘉烨;宣琦;杨小牛设计研发完成，并于2022-12-17向国家知识产权局提交的专利申请。

本一种基于数据负增强与伪类原型点的电磁信号开集识别方法在说明书摘要公布了：一种基于数据负增强与伪类原型点的电磁信号开集识别方法，包括：S1：将原始数据集按比例分为训练集和测试集；S2：确定训练所使用的K个已知类的类原型点以及一个伪类原型点的值，确定训练模型时的其他参数值；S3：将每一个样本输入神经网络编码器后得到特征向量，并计算特征向量与各原型点的距离得到距离向量；S4：得到特征向量和距离向量，再使用相似性筛选选择有效的负增强样本，S5：将之前获取的特征向量与距离向量输入损失函数计算损失，更新模型；S6：训练结束后，计算用于测试时的类原型点以及判别用阈值。本发明提高了模型的开放世界适应能力。

本发明授权一种基于数据负增强与伪类原型点的电磁信号开集识别方法在权利要求书中公布了：1.一种基于数据负增强与伪类原型点的电磁信号开集识别方法，包括以下步骤： S1：定义的问题背景以及模型； S2：初始化的模型的类原型点； S3：编码输入样本，获取特征向量和距离向量； S4：对原输入样本进行增强，并将其编码后获取特征向量和距离向量； S5：使用改进的CAC距离损失函数更新模型参数； S6：训练结束后，计算用于测试时的类原型点以及判别用阈值； 步骤S1具体包括：将给定的由调制信号构成的训练集表示为，其中输入样本为一段电磁调制信号，L是信号的长度，2表示该信号的I路和Q路；是该信号的类别，K表示已知类的个数；然后，将电磁信号测试集表示为，其中；注意到测试集中多了第类，将该类称作未知类，并将测试阶段的所有未知输入都视作第类；将开集识别模型定义为，，是假设空间，是所有输入样本所在的空间；最后，电磁信号开集识别的目标是降低如下经验风险： 1 其中，表示期望，表示示性函数； 步骤S4具体包括：使用数据增强的目的是为了使用新的数据进一步调整特征空间的分布；将数据增强器表示为，将增强后的数据表示为；采用随机丢弃的方式增强样本，其思路为，先拷贝原样本，如下： 5 然后，设置丢弃的点数为；在中随机选取个不重复的值，并构成一个索引序列；随后按如下公式更新： 6 新生成的样本通过相似性筛选后将用于更新模型；具体过程为，首先用编码器编码负增强样本，并计算距离向量： 7 然后使用softmin函数规范化距离向量，再筛选符合如下规则的样本： 8 其中，为所对应的样本的类别；表示切片运算，也即取前个元素并构成新向量；和是一个控制相似度的超参数；使用切片运算的目的是屏蔽伪原型点，以计算增强样本的特征向量是否与其对应的类原型保持一定相似性； 步骤S5具体包括：对于来自已知类的样本，其初步的损失函数用如下方式计算： 9 对于由相似性筛选保留下的增强样本，其初步的损失函数用如下方式计算： 10 此外，为了最小化类间距离，加入一个距离损失函数限制项，如下： 11 最后每个样本的损失计算如下： 12 其中和是一个可调节的超参数，将这两个参数都设置为0.1。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。