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杭州研究院;西安电子科技大学申请的专利一种电磁信号识别方法、系统、电子设备及介质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：CN116451112B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310295219.8，技术领域涉及：G06F18/24；该发明授权一种电磁信号识别方法、系统、电子设备及介质是由李保珠;马鲁;姜文;洪涛;魏帅设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本一种电磁信号识别方法、系统、电子设备及介质在说明书摘要公布了：本发明属于电磁测量技术领域，其目的在于提供一种电磁信号识别方法、系统、电子设备及介质。本发明提供了一种在复杂电磁环境下实时进行信号感知的方法,可以用于非协作通信中未知电磁信号的识别，具体地，本发明使用KNN算法识别待测样本信号的信号标签，通过采用KNN算法在构建的FBST中检索出k个所述待测样本信号的最近邻点，再根据k个最近邻点的信号标签，得到所述待测样本信号的信号标签，由此可使系统具有更好的鲁棒性，并且本发明基于FBST改进k近邻算法，可进一步减少计算量，利于提高电磁信号的识别效率，解决了大样本量情况下信号感知系统识别效率低的问题。

本发明授权一种电磁信号识别方法、系统、电子设备及介质在权利要求书中公布了：1.一种电磁信号识别方法，其特征在于：包括： 从研究区域采集得到电磁信号，并对所述电磁信号进行预处理，得到一组带有信号标签的数据集； 从所述数据集中提取指定的特征参数，并得到由所述特征参数构成的特征向量，以及由所有特征向量构成的特征参数矩阵；其中，所述特征向量用于表征相应的电磁信号，所述特征参数矩阵用于表征所述数据集； 将所述数据集划分为待测样本信号集和训练样本信号集，并利用所述训练样本信号集构建FBST；其中，所述待测样本信号集中的电磁信号为待测样本信号，所述训练样本信号集中的电磁信号为训练样本信号； 采用KNN算法在构建的FBST中检索出k个所述待测样本信号的最近邻点； 根据k个最近邻点的信号标签，得到所述待测样本信号的信号标签； 利用所述训练样本信号集构建FBST，包括： 选择所有训练样本信号的第一个特征参数作为FBST的当前划分层的当前划分域； 选取当前划分域中的中位数，并将其所代表的训练样本信号作为当前结点； 将小于中位数的值划分入左子树，将大于中位数的值划分入右子树； 分别在左右子树中选取训练样本信号的下一个特征参数作为FBST的当前划分层的当前划分域； 重新选取当前划分域中的中位数，直至所有训练样本信号全部被划分，得到最终的FBST； 将任一待测样本信号记为目标点；采用KNN算法在构建的FBST中检索出k个所述待测样本信号的最近邻点，包括： 从根结点出发，对比目标点特征参数与所述FBST的当前层对应的切分点特征参数的大小，若目标点的特征参数小于切分点的特征参数，则去往左子树，反之，去往右子树，然后递归的向下寻找，直至叶子结点，该叶子结点记为当前结点； 记目标点与当前结点的距离为最小距离dmin，目标点与当前结点的兄弟结点的距离为db，目标点与当前结点的父结点的距离为df；其中，所述父结点为当前结点所属的上层结点，所述兄弟结点为与当前结点同属一个上层结点的相邻结点； 若dmindb，则更新兄弟结点为当前结点，且同步更新当前结点的兄弟结点与父结点，若dmindb，则比较dmin与df； 若dmindf，则更新父结点为当前结点，且同步更新当前结点的兄弟结点与父结点，若dmindf，则当前结点为最近邻点； 标记最近邻点为Dpq，并将其与目标点的距离更改为无穷大； 重新从根节点出发，并重复k次，检索得到k个最近邻点。

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杭州研究院;西安电子科技大学，其通讯地址为：310000 浙江省杭州市萧山区萧山经济技术开发区钱农东路8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。