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基于多优化的双通道原型网络的小样本辐射源个体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：CN116522129B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310188507.3，技术领域涉及：G06F18/214；该发明授权基于多优化的双通道原型网络的小样本辐射源个体识别方法是由周峰;王力;徐逸飞;谭浩月;杨鑫瑶;王常龙设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本基于多优化的双通道原型网络的小样本辐射源个体识别方法在说明书摘要公布了：本发明公开了一种基于多优化的双通道原型网络的小样本辐射源个体识别方法，包括：获取待识别的辐射源信号；将待识别的辐射源信号输入预训练的双通道原型网络，预训练的双通道原型网络中的双通道卷积网络输出待识别的辐射源信号的特征向量，预训练的双通道原型网络中的分类网络根据特征向量和各类辐射源信号的聚类中心，确定出待识别的辐射源信号所属的信号类别；其中，双通道卷积网络是根据包含多类辐射源样本信号的训练集中的支持集、查询集，以及用于更新每次训练时辐射源信号的聚类中心和用于关注分类错误的样本的损失函数训练得到的。本发明可以提高识别准确率。

本发明授权基于多优化的双通道原型网络的小样本辐射源个体识别方法在权利要求书中公布了：1.一种基于多优化的双通道原型网络的小样本辐射源个体识别方法，其特征在于，包括： 获取待识别的辐射源信号； 将所述待识别的辐射源信号输入预训练的双通道原型网络，所述预训练的双通道原型网络中的双通道卷积网络输出所述待识别的辐射源信号的特征向量，所述预训练的双通道原型网络中的分类网络根据所述特征向量和各类辐射源信号的聚类中心，确定出所述待识别的辐射源信号所属的信号类别；其中，所述双通道卷积网络是根据包含多类辐射源样本信号的训练集中的支持集、查询集，以及用于更新每次训练时辐射源信号的聚类中心和用于关注分类错误的样本的损失函数训练得到的； 其中，所述双通道卷积网络包括两个子网络，并且，两个子网络分别为I通道和Q通道，每个子网络包括：多个依次连接的卷积块，以及全连接层；每卷积块依次包括：卷积层、批规范化层、激活层、最大池化层； 其中，在所述将所述待识别的辐射源信号输入预训练的双通道原型网络之前，还包括： 每次从包含多类辐射源样本信号的训练集中获取包含支持样本的本次的支持集，以及包含查询样本的本次的查询集； 将支持样本和查询样本输入本次待训练的双通道原型网络中，得到每个支持样本的第一特征向量，以及每个查询样本属于各类辐射源信号的置信度、每个查询样本的预测类别； 根据本次的学习率、每个真实类别的支持样本的所述第一特征向量、每个真实类别的本次的聚类中心，确定本次的第一损失值； 根据每个查询样本对应的真实类别的置信度与预测类别，以及预设可调系数，确定本次的第二损失值； 根据预设权重系数、本次的第一损失值和本次的第二损失值，确定本次的损失值； 根据本次的损失值，分别更新待训练的双通道原型网络和本次的聚类中心，得到下一次待训练的双通道原型网络和本次的支持集所属的每类辐射源信号的下一次的聚类中心，如此迭代训练，直至训练结束时得到所述预训练的双通道原型网络。

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。