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国防科技大学申请的专利一种面向异构数据的联邦学习调制识别方法、装置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：CN119598312B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411626335.4，技术领域涉及：G06F18/2415；该发明授权一种面向异构数据的联邦学习调制识别方法、装置是由王红军;查燕平;沈哲贤;李昊锦;谢葳;李歆昊;常超;苏雅倩文;吴韬设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种面向异构数据的联邦学习调制识别方法、装置在说明书摘要公布了：本发明公开了一种面向异构数据的联邦学习调制识别方法、装置，涉及无线电调制信号自动识别技术领域。本发明通过接收无线电调制信号，并对接收的信号进行信号采集和预处理，将预处理后的特征向量输入联邦学习网络，开始第r轮联邦学习，网络中的第k个计算节点的本地模型在完成一轮本地训练之后，获得第k个计算节点更新后的本地模型的权重，将各计算节点经过剪枝后的本地模型的权重经由上行链路上传至服务器中进行聚合以得到全局模型的权重，从而识别出无线电调制信号的分类。本发明面向异构数据，可以有效地整合来自不同客户端的多样化数据，提高模型对不同调制类型的识别准确率和鲁棒性。

本发明授权一种面向异构数据的联邦学习调制识别方法、装置在权利要求书中公布了：1.一种面向异构数据的联邦学习调制识别方法，其特征在于，包括以下步骤： S1：接收无线电调制信号，并对接收的信号进行信号采集和预处理，将预处理后的特征向量输入联邦学习网络； S2：所述联邦学习网络中包括k个计算节点，其中k＝1…K，K表示所述联邦学习网络中所述的计算节点的数量，开始第r轮联邦学习，第k个计算节点在第r轮通信中接收到了全局模型的权重wr，则所述第k个计算节点的本地模型的权重为wkr，所述第k个计算节点的本地模型在完成r轮本地训练之后，获得第k个计算节点更新后的本地模型的权重wkr+1； 首先，第k个计算节点更新后的权重为wkk+1的本地模型需要计算每一层的权重与权重为wr的全局模型中相应层的权重之间的相似度可表示为： 其中，表示在第r轮训练中计算节点k的第l层经过本地训练后的更新权重，wlr表示接收到的全局模型第l层的权重，其中，l为从1到L的正整数，L代表网络的总层数，k，r为正整数； 接下来，计算节点k的第l层的剪枝率定义为： 其中，γ是预设的超参数，最后，根据得到的剪枝率计算出第l层的权重的阈值经过推导得出掩码矩阵mkr+1，当第l层的权重值低于阈值时，需要将掩码矩阵相应的值设为0，反之设为1，可表示为： 得到的最后掩码矩阵为mkr+1，本地模型被剪枝时表示为其中⊙表示Hadamard卷积，第r轮训练计算节点k经过剪枝后，本地模型的权重更新为wkr+1； S3：将各计算节点经过剪枝后的所述本地模型的权重经由上行链路上传至服务器中，服务器通过对接收到的本地模型的权重wkr+1进行聚合以得到全局模型，经过所述聚合得到的全局模型的权重表示为wr+1，具体定义为： 所述的第r轮联邦学习结束后，重复执行所述步骤S1、S2、S3进行到下一轮，直到所述本地模型和所述全局模型的性能变化量趋于零，将串联的所述无线电调制信号的所述特征向量的全局模型特征向量和本地模型特征向量进行无线电调制信号识别，获取调制分类结果；所述全局模型特征向量至少包括全局模型权重，所述本地模型特征向量至少包括本地模型权重。

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国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。

以上内容由龙图腾AI智能生成。