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军事航天部队航天工程大学申请的专利一种基于扩散模型与注意力机制的小样本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：CN119996133B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510221985.9，技术领域涉及：H04L27/00；该发明授权一种基于扩散模型与注意力机制的小样本调制识别方法是由唐晓刚;李月朋;方胜良;刘力天;张斌权;王璐;高明慧;邢鸿基;潘协昭设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于扩散模型与注意力机制的小样本调制识别方法在说明书摘要公布了：本发明公开了一种基于扩散模型与注意力机制的小样本调制识别方法，属于调制载波系统领域，解决了小样本条件下调制识别率低的问题，包括：将原始数据输入DDIM中逐步加噪训练并采用逆向去噪过程逐步去噪生成恢复数据；基于分类器的对数概率梯度调整生成轨迹得到合成数据和训练好的DDIM；将原始数据、恢复数据和和合成数据输入FATT中，通过傅里叶基函数映射到频域，显式捕捉周期性和非周期性特征，提取综合特征；通过注意力层，将综合特征拆分为频率特征和非线性特征，将加权后的频率特征与非线性特征拼接并与残差卷积块的输出再次拼接得到预测调制类型向量；通过混淆矩阵可视化展示预测调制类型结果，得到训练好的FATT；本发明提高了调制识别准确率。

本发明授权一种基于扩散模型与注意力机制的小样本调制识别方法在权利要求书中公布了：1.一种基于扩散模型与注意力机制的小样本调制识别方法，其特征在于，该方法包括： 步骤一，利用FFT算法将数据集中的时域数据转换为正频率数据后，通过调制类型和预设比例将数据集划分为训练集、测试集和验证集；并在训练集中划分出小样本条件下的训练集作为原始数据； 步骤二，将原始数据输入扩散模型DDIM中，利用DDIM的前向过程，通过时间步长对原始数据逐步加噪训练，得到纯高斯噪声样本； 步骤三，DDIM的后向过程，采用逆向去噪过程，将纯高斯噪声样本逐步去噪，生成恢复数据； 步骤四，通过纯高斯噪声样本和任务对应的目标调制类型训练分类器，计算分类器的对数概率梯度，基于对数概率梯度以及DDIM在无条件下对逆向去噪过程预测的均值和协方差调整纯高斯噪声样本逐步去噪的生成轨迹，得到符合目标调制类型的合成数据和训练好的DDIM； 步骤五，由二维卷积层、一维卷积层、残差卷积块、多尺度傅里叶分解模块和注意力层顺序连接，构建分类器模型FATT； 将原始数据、恢复数据和和合成数据作为输入数据，输入FATT中，经过二维卷积层、一维卷积层，进入残差卷积块，将残差卷积块的输入数据与残差卷积块的第二层卷积的输出数据相加后，进入多尺度傅里叶分解模块，通过傅里叶基函数将输入数据映射到频域，显式捕捉输入数据的周期性和非周期性特征，从而提取出包含频率特征和非线性特征的综合特征，并将综合特征拆分为频率特征和非线性特征； 通过注意力层，对频率特征中每个频段计算注意力权重并进行加权，得到加权后的频率特征，将加权后的频率特征与非线性特征拼接得到拼接特征，并将拼接特征与残差卷积块的输出再次拼接得到预测调制类型向量；通过混淆矩阵可视化展示预测调制类型向量在目标调制类型上的预测调制类型结果，得到训练好的FATT； 步骤六，将测试集与验证集输入训练好的DDIM和FATT中进行测试和验证，输出小样本预测调制类型结果。

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军事航天部队航天工程大学，其通讯地址为：101416 北京市怀柔区八一路1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”。