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！

龙图腾网获悉电子科技大学申请的专利一种基于轻量化深度学习模型的射频指纹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：CN116720060B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310468749.8，技术领域涉及：G06F18/213；该发明授权一种基于轻量化深度学习模型的射频指纹识别方法是由林迪;刘川;胡苏;吴薇薇;杨刚;马上;靳传学;杨钿设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本一种基于轻量化深度学习模型的射频指纹识别方法在说明书摘要公布了：本发明属于物联网安全技术领域，具体来说是涉及一种基于轻量化深度学习模型的射频指纹识别方法。本发明首先将IQ信号转为复数矩阵，然后对复数矩阵Q进行奇异值分解后，对得到的特征进行降噪后又复原成复数向量，接着构建轻量化深度学习模型进行复数特征提取和分类，最后实现射频指纹识别。本发明的有益效果为，很好的解决了环境噪声对射频指纹识别的干扰。

本发明授权一种基于轻量化深度学习模型的射频指纹识别方法在权利要求书中公布了：1.一种基于轻量化深度学习模型的射频指纹识别方法，其特征在于，包括以下步骤： S1、将获取到无线电设备发射的IQ信号转为复数矩阵，具体为： 将获取的IQ信号写为复数向量，其中N为样本数，表示向量中的每一个元素，，将转化为复数矩阵，其中，转化方式是：由、、、……、构成矩阵第一行，由、、、……、构成第二行，以此类推，由、、、……、构成最后一行； S2、对复数矩阵Q进行特征值分解： ， 其中，表示第个特征，表示仅包含第个特征值、其余元素均为零的矩阵，特征值代表了Q矩阵的特征，越大的特征值对应更明显的特征；将获得的全部表示为特征值矩阵，有n个特征值； 将中最小的个特征值置为零，得到，其中阈值，然后使用矩阵乘法得到，使用S1中转为复数矩阵方法的逆向操作将复数矩阵复原成复数向量，得到降噪后的IQ数据作为训练数据； S3、构建轻量化深度学习模型，包括特征提取器和分类器；特征提取器包括复数卷积层、复数最大池化层和复数Bi-LSTM层；特征提取模块对输入的训练数据的处理方式是：首先经过六层复数卷积层进行初步特征提取，每个复数卷积层由复数分组卷积、复数批量正则化和复数最大池化组成；再将经过复数卷积层提取出的特征输入到复数Bi-LSTM层进行进一步的特征提取，会得到输出的特征向量；此时的特征向量为复数向量，再将该复数向量输入分类器，分类器由全连接层、复数向量取模层和Softmax层构成，复数向量取模层将全连接层的输出转为实数向量，最后经过Softmax函数，将实数向量映射为对每个分类的预测置信度，完成分类； S4、利用S2得到的训练数据对S3构建的轻量化深度学习模型进行训练，得到训练好的轻量化深度学习模型； S5、将获取到无线电设备发射的IQ信号经过如S1和S2的方法处理后得到IQ数据，输入训练好的轻量化深度学习模型，得到射频指纹识别结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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。