原创力.专利
发明
基于复值对比学习与短时傅里叶变换的辐射源个体识别方法2025
2025-06-14 12:10:16
发布于四川
0
- 申请专利号：CN202510323386.8
- 公开（公告）日：2025-06-13
- 公开（公告）号：CN120145158A
- 申请人：合肥工业大学
摘要：本发明涉及辐射源识别技术领域，公开了基于复值对比学习与短时傅里叶变换的辐射源个体识别方法，包括以下步骤：S1、对I/Q通道信号进行短时傅里叶变换，S2、对复值频谱图进行数据增强，S3、将数据增强后的复值频谱图，S4、在自监督预训练阶段使用复值卷积神经网络作为编码器特征提取，S5、进入有监督微调训练阶段，S501、使用标记数据进行训练，S6、并将其用于辐射源个体识别任务。通过复值对比学习与深度特征提取，在无监督的条件下有效学习信号的频域特征，数据增强和自监督预训练提高了对不同类型信号的区分能力，针对雷达信号与通信信号等复杂类型信号，模型能够在不同的应用场景下准确识别其特征，提高识别准确性。
专利内容
本发明涉及辐射源识别技术领域，公开了基于复值对比学习与短时傅里叶变换的辐射源个体识别方法，包括以下步骤：S1、对I/Q通道信号进行短时傅里叶变换，S2、对复值频谱图进行数据增强，S3、将数据增强后的复值频谱图，S4、在自监督预训练阶段使用复值卷积神经网络作为编码器特征提取，S5、进入有监督微调训练阶段，S501、使用标记数据进行训练，S6、并将其用于辐射源个体识别任务。通过复值对比学习与深度特征提取，在无监督的条件下有效学习信号的频域特征，数据增强和自监督预训练提高了对不同类型信号的区分能力，针对雷达信号与通信信号等复杂类型信号，模型能够在不同的应用场景下准确识别其特征，提高识别准确性。G06F18/241(2023.01);G06F18/213(2023.01);G06F18/2131(2023.01);G06F18/214(2023.01);G06N3/0464(2023.01);G06N3/084(2023.01);G06N3/0895(2023.01);G06N3/09(2023.01);G06F123/02(2023.01)
