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！

龙图腾网获悉杭州电子科技大学申请的专利一种小样本辐射源个体开集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：CN121456618B 。

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：202610008941.2，技术领域涉及：G06F18/241；该发明授权一种小样本辐射源个体开集识别方法是由杨阿锋;吴超设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种小样本辐射源个体开集识别方法在说明书摘要公布了：本发明属于信号处理技术领域，公开了一种小样本辐射源个体开集识别方法，首先，构建以CNN与预训练Transformer架构语义模型组成的深度融合网络，采用渐进式微调策略实现辐射源小样本迁移学习。同时，从辐射源IQ信号中提取具有明确物理意义的指纹特征，并基于马氏距离建模已知类别的分布。在识别阶段，并行获取深度融合网络的分类置信度与基于物理指纹特征的马氏距离模型置信状态与距离比，通过设计的多情景融合决策规则，协同判断样本归属已知类别或拒识为未知类别。本发明能够在少量标注样本下实现高精度的闭集分类，并有效检测开放集中的未知辐射源个体，显著提升了复杂电磁环境下辐射源个体识别的实用性与可靠性。

本发明授权一种小样本辐射源个体开集识别方法在权利要求书中公布了：1.一种小样本辐射源个体开集识别方法，其特征在于，包括如下步骤： 步骤1：获取不同辐射源个体的复基带IQ信号，构建闭集识别的训练集、验证集、测试集，开集识别的测试集； 步骤2：构建深度融合网络，并采用“冻结-微调”的渐进式策略对深度融合网络进行训练； 所述的深度融合网络包括：CNN前端处理模块、投影模块、BERT模块、分类头模块，其中，所述CNN前端处理模块用于从IQ信号中提取局部时空特征，所述CNN前端处理模块由多层一维卷积、批归一化、ReLU激活和池化层构成；所述投影模块用于数据维度匹配；所述BERT模块为Transformer架构的语义预训练模型，BERT模块利用预训练的BERT模型强大的序列建模能力，进一步增强特征的上下文表征；所述分类头模块由一个自适应池化层和多个全连接层构成，输出每个已知类别的置信度分数； 步骤3：从IQ信号中提取物理层指纹特征，并基于已知类样本构建马氏距离模型以设定分类阈值； 步骤4：将辐射源IQ信号输入至训练好的深度融合网络，同时将辐射源IQ信号提取的物理指纹输入至马氏距离模型，并行获得深度学习神经网络分类置信度与马氏距离判据置信状态与距离比； 步骤5：根据深度融合网络置信度与马氏距离判据的组合情景，执行精细化的融合决策，输出最终的开集识别结果； 所述的融合决策为： a若所述深度学习分类置信度大于第一阈值，且所述马氏距离决策结果为已知类别，则最终决策为所述深度学习分类结果对应的已知类别； b若所述深度学习分类置信度大于所述第一阈值，且所述马氏距离决策结果为未知类别，则进一步判断所述距离比：若所述距离比小于第二阈值，则最终决策为所述深度学习分类结果对应的已知类别；否则，最终决策为未知类别； c若所述深度学习分类置信度小于所述第一阈值，且所述马氏距离决策结果为已知类别，则最终决策为所述马氏距离决策结果对应的已知类别； d若所述深度学习分类置信度小于所述第一阈值，且所述马氏距离决策结果为未知类别，则最终决策为未知类别。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。