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！

龙图腾网获悉南京邮电大学申请的专利一种辐射源识别方法、装置、设备及介质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：CN117093913B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202311072107.2，技术领域涉及：G06F18/241；该发明授权一种辐射源识别方法、装置、设备及介质是由桂冠;彭旸;王禹设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本一种辐射源识别方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种辐射源识别方法、装置、设备及介质。其方法包括：获取待识别辐射源的辐射信号；通过对比组生成器对所述辐射源信号进行预处理，获得具有锚点的对比组数据；将具有锚点的对比组数据输入预先构建并训练好的基于卷积长短期记忆网络CLDNN的有监督对比表征学习模型中，获得表征辐射源的特征编码；将所述特征编码输入分类器中，通过特征距离度量的方式对辐射源特征进行分类，得到辐射源识别分类结果。本发明有效解决了有限样本下模型难以拟合、性能不稳定、梯度下降不明显等问题，能够充分挖掘和利用样本间的深层特征，使其在极少样本的情况下就能实现辐射源数据的准确识别，具有高效、稳定且精准的特点。

本发明授权一种辐射源识别方法、装置、设备及介质在权利要求书中公布了：1.一种辐射源识别方法，其特征在于，所述方法包括： 获取待识别辐射源的辐射信号； 通过对比组生成器对所述辐射信号进行预处理，获得具有锚点的对比组数据； 将具有锚点的对比组数据输入预先构建并训练好的基于卷积长短期记忆网络CLDNN的有监督对比表征学习模型中，获得表征辐射源的特征编码； 将所述特征编码输入分类器中，通过特征距离度量的方式对辐射源特征进行分类，得到辐射源识别分类结果； 所述基于卷积长短期记忆网络CLDNN的有监督对比表征学习模型的训练过程包括以下步骤： 获取预设数量的辐射源的辐射信号； 通过对比组生成器对所述辐射信号进行预处理，获得具有锚点的对比组数据，并将所述对比组数据整合成一个对比组集，作为训练样本集； 基于所述训练样本集对所构建的基于卷积长短期记忆网络CLDNN的有监督对比表征学习模型进行训练； 以有监督对比学习损失函数最小为优化目标，并通过反向传输更新模型参数，获得最终训练好的基于卷积长短期记忆网络CLDNN的有监督对比表征学习模型； 所述通过对比组生成器对所述辐射信号进行预处理，获得具有锚点的对比组数据的步骤包括： 将所获取的辐射信号进行数据清洗以去除异常值； 将清洗后的辐射信号进行批次组合，并按照类别标签分为多个对比组； 分别为各对比组随机选择一个信号作为锚点； 通过所述锚点建立不同批次之间同类数据的联系，获得具有锚点的对比组数据； 所述有监督对比学习损失函数的表达式如下： （1）， 式中，表示第个样本的有监督对比损失，表示总样本数；的计算公式为： （2）， （3）， （4）， 式中，表示第个样本与第个样本的点积相似度；表示蒸馏温度；；和分别表示第个样本和第个样本的低维特征向量；表示第个样本与第个样本的点积相似度的指数函数；表示的正例，表示的正例的数量； 将所述特征编码输入分类器中，通过特征距离度量的方式对辐射源特征进行分类，得到辐射源识别分类结果的步骤包括： 根据所输入的特征编码及样本类别标签，计算各样本类别的平均低维空间特征，并将其作为标准特征编码，计算公式如下： （5）， 式中，表示第类样本的标准特征编码；为样本类别总数；，为输入的第个辐射信号当前样本类别标签；表示输入的第个辐射信号的特征编码，，为输入的第个辐射信号，表示基于卷积长短期记忆网络CLDNN的有监督对比表征学习网络； 根据所述标准特征编码对于其进行特征距离度量，其计算公式为： （6）， 式中，表示特征编码和第类样本的标准特征编码的距离，，表示待检测的辐射信号的特征编码； 基于公式（6）历遍各样本类别，将与距离最小的标准特征编码所在的样本类标签作为待检测的辐射信号的所属类别。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。