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一种用于电磁信号分类识别的深度学习方法及系统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：CN119272091B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202411403297.6，技术领域涉及：G06F18/24；该发明授权一种用于电磁信号分类识别的深度学习方法及系统是由李玲玲;刘琼;焦李成;刘芳;刘旭;陈璞花;李阳阳设计研发完成，并于2024-10-09向国家知识产权局提交的专利申请。

本一种用于电磁信号分类识别的深度学习方法及系统在说明书摘要公布了：本发明公开了一种用于电磁信号分类识别的深度学习方法及系统，构建电磁信号数据集，每个数据集包含多维度的电磁信号特征及相应的标签信息；选择并配置对应的深度学习模型；对得到的电磁信号数据集进行标签污染，包括Y个体级别和M矩阵级别的污染，Y个体级别污染通过随机选定特定比例的数据点并修改其标签，M矩阵级别污染通过应用预定义的污染矩阵对全部或部分数据集的标签进行系统性修改；使用得到的带有污染标签的电磁信号数据集训练得到的深度学习模型；将未受污染的电磁信号数据集输入得到的深度学习模型中，输出识别的电磁信号。能够有效应对不同级别的数据污染，确保模型在各种环境下都能达到最优的分类效果。

本发明授权一种用于电磁信号分类识别的深度学习方法及系统在权利要求书中公布了：1.一种用于电磁信号分类识别的深度学习方法，其特征在于，包括以下步骤： S1、构建电磁信号数据集，每个数据集包含多维度的电磁信号特征及相应的标签信息； S2、选择并配置对应的深度学习模型； S3、对步骤S1得到的电磁信号数据集进行标签污染，包括Y个体级别和M矩阵级别的污染，Y个体级别污染通过随机选定特定比例的数据点并修改其标签，M矩阵级别污染通过应用预定义的污染矩阵对全部或部分数据集的标签进行系统性修改，Y个体级别污染具体为： 实施一个标签污染函数`add_symmetric_noise`，该函数系统地在标签数据中引入对称性噪声；通过对每个类别中的样本标签按照指定的噪声比例`noise_rate`进行随机重标注； 通过函数`add_asymmetric_noise`引入非对称噪声，根据预定义的误标对source，target修改类别标签； 利用`flip_labels`进行标签翻转，随机选择一定比例的数据点并将其标签更改为除当前标签外的任意其他标签，以此来增加数据的多样性并测试模型对噪声的鲁棒性；利用`flip_labels`进行标签翻转具体为： 其中，为，为，为信号类别数； M矩阵级别污染具体为： 采用`construct_M_matrix_simple`方法构建污染矩阵； 实施`construct_M_matrix_block`方法，针对类别总数能够被平均分割时，构建分块对角污染矩阵； 通过`construct_M_matrix_random`方法构建一个具有随机性的污染矩阵； 部署`LinearContaminationModel`类，以类别总数，预定义的污染矩阵，以及类别原始概率和污染后的类别概率为参数进行初始化；通过计算每个类别的污染权重，并根据权重在污染矩阵中进行随机选择，以生成符合污染矩阵设定的污染标签，实现对原始数据标签的系统污染，构建分块对角污染矩阵中，对于偶数，使用大小为的全一矩阵构建两个相同的块；对于奇数，最后一个块大小调整为，确保所有类别均被适当考虑，构建一个具有随机性的污染矩阵具体为： 生成一个的随机数矩阵，通过行求和后进行归一化处理，以保证每行元素之和为1；将倍的单位矩阵与倍的随机矩阵线性组合，形成最终的随机污染矩阵，随机污染矩阵能够以概率随机地将类别标签污染到其他任何类别； S4、使用步骤S3得到的带有污染标签的电磁信号数据集训练步骤S2得到的深度学习模型； S5、将未受污染的电磁信号数据集输入步骤S4得到的深度学习模型中，输出识别的电磁信号。

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 陕西省西安市雁塔区太白南路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。