買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京郵電大學申請的專利一種輻射源識別方法、裝置、設備及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117093913B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311072107.2，技術領域涉及：G06F18/241；該發明授權一種輻射源識別方法、裝置、設備及介質是由桂冠;彭旸;王禹設計研發完成，并于2023-08-24向國家知識產權局提交的專利申請。

本一種輻射源識別方法、裝置、設備及介質在說明書摘要公布了：本發明公開了一種輻射源識別方法、裝置、設備及介質。其方法包括：獲取待識別輻射源的輻射信號；通過對比組生成器對所述輻射源信號進行預處理，獲得具有錨點的對比組數據；將具有錨點的對比組數據輸入預先構建并訓練好的基于卷積長短期記憶網絡CLDNN的有監督對比表征學習模型中，獲得表征輻射源的特征編碼；將所述特征編碼輸入分類器中，通過特征距離度量的方式對輻射源特征進行分類，得到輻射源識別分類結果。本發明有效解決了有限樣本下模型難以擬合、性能不穩定、梯度下降不明顯等問題，能夠充分挖掘和利用樣本間的深層特征，使其在極少樣本的情況下就能實現輻射源數據的準確識別，具有高效、穩定且精準的特點。

本發明授權一種輻射源識別方法、裝置、設備及介質在權利要求書中公布了：1.一種輻射源識別方法，其特征在于，所述方法包括： 獲取待識別輻射源的輻射信號； 通過對比組生成器對所述輻射信號進行預處理，獲得具有錨點的對比組數據； 將具有錨點的對比組數據輸入預先構建并訓練好的基于卷積長短期記憶網絡CLDNN的有監督對比表征學習模型中，獲得表征輻射源的特征編碼； 將所述特征編碼輸入分類器中，通過特征距離度量的方式對輻射源特征進行分類，得到輻射源識別分類結果； 所述基于卷積長短期記憶網絡CLDNN的有監督對比表征學習模型的訓練過程包括以下步驟： 獲取預設數量的輻射源的輻射信號； 通過對比組生成器對所述輻射信號進行預處理，獲得具有錨點的對比組數據，并將所述對比組數據整合成一個對比組集，作為訓練樣本集； 基于所述訓練樣本集對所構建的基于卷積長短期記憶網絡CLDNN的有監督對比表征學習模型進行訓練； 以有監督對比學習損失函數最小為優化目標，并通過反向傳輸更新模型參數，獲得最終訓練好的基于卷積長短期記憶網絡CLDNN的有監督對比表征學習模型； 所述通過對比組生成器對所述輻射信號進行預處理，獲得具有錨點的對比組數據的步驟包括： 將所獲取的輻射信號進行數據清洗以去除異常值； 將清洗后的輻射信號進行批次組合，并按照類別標簽分為多個對比組； 分別為各對比組隨機選擇一個信號作為錨點； 通過所述錨點建立不同批次之間同類數據的聯系，獲得具有錨點的對比組數據； 所述有監督對比學習損失函數的表達式如下： （1）， 式中，表示第個樣本的有監督對比損失，表示總樣本數；的計算公式為： （2）， （3）， （4）， 式中，表示第個樣本與第個樣本的點積相似度；表示蒸餾溫度；；和分別表示第個樣本和第個樣本的低維特征向量；表示第個樣本與第個樣本的點積相似度的指數函數；表示的正例，表示的正例的數量； 將所述特征編碼輸入分類器中，通過特征距離度量的方式對輻射源特征進行分類，得到輻射源識別分類結果的步驟包括： 根據所輸入的特征編碼及樣本類別標簽，計算各樣本類別的平均低維空間特征，并將其作為標準特征編碼，計算公式如下： （5）， 式中，表示第類樣本的標準特征編碼；為樣本類別總數；，為輸入的第個輻射信號當前樣本類別標簽；表示輸入的第個輻射信號的特征編碼，，為輸入的第個輻射信號，表示基于卷積長短期記憶網絡CLDNN的有監督對比表征學習網絡； 根據所述標準特征編碼對于其進行特征距離度量，其計算公式為： （6）， 式中，表示特征編碼和第類樣本的標準特征編碼的距離，，表示待檢測的輻射信號的特征編碼； 基于公式（6）歷遍各樣本類別，將與距離最小的標準特征編碼所在的樣本類標簽作為待檢測的輻射信號的所屬類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210003 江蘇省南京市鼓樓區新模范馬路66號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。