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！

龙图腾网获悉中国人民解放军空军工程大学申请的专利一种基于迁移元学习的调制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：CN115718866B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211097806.8，技术领域涉及：G06F18/213；该发明授权一种基于迁移元学习的调制识别方法是由许华;庞伊琼;蒋磊;史蕴豪;彭翔设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本一种基于迁移元学习的调制识别方法在说明书摘要公布了：本公开是关于一种基于迁移元学习的调制识别方法。该方法包括：通过训练集内所有信号样本对深度神经网络的网络参数进行预训练，得到预训练后深度神经网络的网络参数；其中，深度神经网络的网络参数包括特征提取参数和分类器参数；通过元训练中不同的小样本识别任务对预训练所得的网络参数进行优化；其中，不同的小样本识别任务分别从训练集内所有信号样本中随机抽取所得；通过元测试中新的小样本识别任务对优化后的网络参数进行微调，使微调后的网络参数识别新的小样本识别任务中的待测信号的调制样式。本公开根据微调后的网络参数在识别新的小样本识别任务中待测信号的调制样式时，可以提高待测信号调制样式的识别准备率。

本发明授权一种基于迁移元学习的调制识别方法在权利要求书中公布了：1.一种基于迁移元学习的调制识别方法，其特征在于，该方法包括： 通过训练集内所有信号样本对深度神经网络的网络参数进行预训练，得到预训练后所述深度神经网络的网络参数；其中，所述深度神经网络的网络参数包括特征提取参数和分类器参数； 通过元训练中不同的小样本识别任务对预训练所得的所述网络参数进行优化；其中，不同的所述小样本识别任务分别从所述训练集内所有信号样本中随机抽取所得； 通过元测试中新的小样本识别任务对优化后的所述网络参数进行微调，使微调后的所述网络参数识别所述新的小样本识别任务中的待测信号的调制样式； 所述通过元训练中不同的小样本识别任务对预训练所得的所述网络参数进行优化；其中，不同的所述小样本识别任务分别从所述训练集内所有信号样本中随机抽取所得的步骤中包括： 冻结预训练所得的所述深度神经网络中的所述特征提取参数，并引入可学习的缩放平移参数对所述特征提取参数进行缩放平移操作； 所述缩放平移操作时，设置缩放平移参数，当输入为信号样本时，所述深度神经网络输出可表示为： 3 其中，表示深度神经网络的权值，表示深度神经网络的偏差； 根据不同的所述小样本识别任务设置新分类器参数，并对所述新分类器参数进行初始化，得到新分类器初始化参数； 根据不同的所述小样本识别任务设置新分类器参数，并对所述新分类器参数进行初始化，得到新分类器初始化参数； 所述最优新分类器初始化参数为： 4 其中，缩放平移参数和的初始值分别设置为1和0，表示元训练中产生的识别损失优化函数，表示新分类器初始化参数，表示最优新分类器初始化参数，表示元训练中的第一学习率，表示特征提取参数，表示分类器参数，表示深度神经网络模型； 通过所述元测试中产生的识别损失优化函数更新缩放平移参数，得到更新优化后的缩放平移参数： 5 其中，表示元测试中产生的识别损失优化函数，表示任务分布，表示从任务分布中抽取的第i个小样本识别任务，即，表示第i个小样本识别任务对应的缩放平移参数，表示第i个小样本识别任务对应的更新优化后的缩放平移参数，i取正整数，表示元训练中的第二学习率； 通过元测试中产生的识别损失优化函数更新所述新分类器初始化参数，得到更新优化后的所述新分类器初始化参数： 6 其中，表示更新优化后的新分类器初始化参数。

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中国人民解放军空军工程大学，其通讯地址为：710038 陕西省西安市灞桥区长乐东路甲字一号；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。