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！

龙图腾网获悉山东师范大学申请的专利基于卷积-注意力机制与多包推理的射频指纹识别方法及系统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：CN120337998B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510820264.X，技术领域涉及：G06N3/0455；该发明授权基于卷积-注意力机制与多包推理的射频指纹识别方法及系统是由乔静萍;张传亭;李凯强;田杰;李腆腆;李承浩;边际设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本基于卷积-注意力机制与多包推理的射频指纹识别方法及系统在说明书摘要公布了：本发明涉及基于卷积‑注意力机制与多包推理的射频指纹识别方法及系统，属于通信网络和人工智能技术领域；包括：步骤1、捕捉设备传输信号，并对传输信号进行预处理得到频谱图；步骤2、构建射频指纹识别模型，将得到的频谱图输入到射频指纹识别模型中进行训练，得到训练好的射频指纹识别模型；步骤3、使用已训练好的射频指纹识别模型进行预测，得到最终的预测结果。本发明针对传统模型融合机制存在的计算复杂度高、模块交互冗余的问题，采用模块分离策略，使卷积模块和Transformer模块独立优化，既降低了计算复杂度，又提升了模型的稳定性。

本发明授权基于卷积-注意力机制与多包推理的射频指纹识别方法及系统在权利要求书中公布了：1.基于卷积-注意力机制与多包推理的射频指纹识别方法，其特征在于，包括： 步骤1、捕捉设备传输信号，并对传输信号进行预处理得到频谱图； 步骤2、构建射频指纹识别模型，将得到的频谱图输入到射频指纹识别模型中进行训练，得到训练好的射频指纹识别模型； 射频指纹识别模型包括卷积层、位置编码层和Transformer编码器； 卷积层将输入特征图转化为高阶的特征表示； 位置编码层用于添加位置信息； Transformer编码器包括多头自注意力机制和前馈神经网络层，多头自注意力机制捕捉整个序列中的全局依赖关系，前馈神经网络层进一步增强特征表达能力； 卷积层包括标准化层、点卷积层、GLU激活函数层、深度可分离卷积层、批标准化层、Swish激活函数层、串联卷积层和Dropout层； 首先，将得到的频谱图输入到卷积层中，对输入的频谱图进行标准化处理；通过点卷积层使用1x1卷积调整通道维度，得到通道数调整后的特征图；通过GLU激活函数层增强特征图的关键信息，抑制特征图的冗余信息；通过深度可分离卷积层减少特征图的参数量，增强空间特征；通过批标准化层得到分布稳定的特征图；通过Swish激活函数层得到激活后的特征图，保留负值区域的微小梯度信息；通过串联卷积层得到最终通道数优化的特征表示；最后经过Dropout层得到正则化后的特征图X； 然后，在卷积层运算后引入位置编码层，得到位置编码的特征图，捕捉数据中存在的时间关系； 最后，将位置编码的特征图输入到Transformer编码器，Transformer编码器使用多头自注意力机制来捕捉整个序列中的全局依赖关系； Transformer编码器处理后，经过一维全局平均池化层，将特征图的时间维度压缩为固定长度的特征向量；最后，特征向量送入全连接层和softmax层进行分类，经过训练后得到训练好的RFF-CAT模型即射频指纹识别模型； 步骤3、使用已训练好的射频指纹识别模型进行预测，并结合多包推理方法，得到最终的预测结果； 多包推理方法包括： 将传入的射频信号数据分为多个数据包，对每个数据包计算初始预测值即通过RFF-CAT模型得到的初始预测值，定义初始权重集，然后进行加权求和，得到融合预测概率； 计算初始预测值与融合预测概率之间的误差，更新权重以适应每个数据包的预测值； 使用更新后的权重对每个数据包的预测值再次进行加权求和，获得新的融合预测概率，即识别出对应设备的射频指纹，实现设备的认证和识别。

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山东师范大学，其通讯地址为：250358 山东省济南市长清区大学科技园大学路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”。