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！

龙图腾网获悉山东大学申请的专利基于不均衡学习的电磁谱辐射源调制方式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：CN116028792B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211541180.5，技术领域涉及：G06F18/213；该发明授权基于不均衡学习的电磁谱辐射源调制方式智能识别方法是由熊海良;赵佳琛;许玉丹;崔翔;靳睿敏;甄卫民;陈奇东;杨会贇设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本基于不均衡学习的电磁谱辐射源调制方式智能识别方法在说明书摘要公布了：本发明公开了一种基于不均衡学习的电磁谱辐射源调制方式智能识别方法，包括模型的训练阶段和推理阶段，首先建立数据库，然后将调制信号序列转换为IQ信号的形式，进行归一化，将数据标签转换为独热编码标签的形式；根据验证集数据计算软混淆矩阵；基于软混淆矩阵和训练集独热标签得到训练集增强编码标签；将训练集数据输入到模型当中，依照梯度下降法进行权重的更新；训练结束，获得具备自平衡特性的电磁谱辐射源调制方式智能识别模型；在进行数据前向推理时，将接收到的信号进行预处理并输入到模型当中，根据模型输出，自动判定辐射源的调制方式。本发明所公开的方法可以有效提高模型在训练数据不均衡的条件下的辐射源调制方式识别效果。

本发明授权基于不均衡学习的电磁谱辐射源调制方式智能识别方法在权利要求书中公布了：1.一种基于不均衡学习的电磁谱辐射源调制方式智能识别方法，其特征在于，包括如下过程：空间电磁谱辐射源调制方式智能识别模型的训练阶段和推理阶段，所述智能识别模型采用深度神经网络模型； 所述模型的训练阶段包括如下步骤： 1建立包括电磁信号数据的广域空间电磁谱数据库，生成模型训练所需的数据集； 2对于输入的调制信号，将其转换为IQ信号的形式,以双通道序列的形式生成训练模型所需的数据集合； 3将输入数据特征值进行归一化预处理，并将所有的数据标签转换为独热编码标签的形式，然后将数据集分成训练集、验证集、测试集三个数据集合； 4在模型的每一个训练轮次之前，先将验证集数据输入到模型当中，根据模型输出和验证集独热编码标签计算软混淆矩阵，提取出数据和模型的不均衡特征； 5基于软混淆矩阵，更新训练集的增强编码生成矩阵，将增强编码生成矩阵和训练集独热编码标签进行矩阵相乘，得到训练集增强编码标签； 6将训练集数据输入到模型当中，根据模型输出和前面步骤所得的训练集增强编码标签计算得到损失函数，然后基于损失函数进行误差反向传播，求出损失函数在模型各个权重上的梯度，依照梯度下降法进行权重的更新； 7在每个训练轮次当中，重复进行步骤4至步骤6，直至训练结束，利用测试集数据对模型进行评估，最终获得电磁谱辐射源调制方式智能识别模型； 所述模型的推理阶段包括如下过程： 接收电磁信号数据，将电磁信号数据进行IQ转换和归一化预处理，然后再将其输入到训练后得到的模型中，根据模型输出，自动判定辐射源的调制方式； 步骤4中，软混淆矩阵S的计算方法如下： S＝LoT 其中，L是由该集合中所有样例独热编码标签组成的矩阵，Y是基于该集合样例的模型输出值组成的矩阵，它们的元素取值分别如下： i,q＝Pq|x 软混淆矩阵S的元素定义如下： 其中，Pq|x表示由模型预测的样例i属于类别q的概率，D是所有属于p类样例的索引集合，亦即i∈D表示样例i属于p类，sp,q表示软混淆矩阵S的第p行第q列元素； 步骤5中，增强编码生成矩阵表示如下： G＝1-μG+μI-∈C 其中，G是增强编码生成矩阵上一个训练轮次的旧值，在第一个训练轮次时，将其初始化为N行N列的单位矩阵；超参数μ和∈分别为更新率和增强率，I为N行N列的单位矩阵，N为数据集当中类别的总数，C为代价矩阵，由基于验证集的软混淆矩阵求得： C＝S′-I 其中，S′是软混淆矩阵的行归一化，其元素为： 训练集增强编码标签计算如下： 其中，是由训练集中所有样例独热编码标签组成的矩阵，该矩阵乘法是基于实数域定义的。

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山东大学，其通讯地址为：266200 山东省青岛市即墨区滨海路72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。