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！

龙图腾网获悉杭州电子科技大学申请的专利基于度量学习的无人机信号开集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：CN119441717B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411415469.1，技术领域涉及：G06F18/10；该发明授权基于度量学习的无人机信号开集识别方法及系统是由洪姜峰;岳克强;李文钧;霍洋;郑家豪设计研发完成，并于2024-10-11向国家知识产权局提交的专利申请。

本基于度量学习的无人机信号开集识别方法及系统在说明书摘要公布了：本发明公开了基于度量学习的无人机信号开集识别方法及系统，通过双通道监测2.4G和5.8G频段，显著提升了对不同类型无人机信号的识别能力；采用深度学习网络模型作为Encoder提取特征向量，并通过L2正则化增强模型的泛化能力，同时引入改进的三元组损失函数，简化训练过程，加快模型收敛；此外，本发明提出了改进的KNN未知类别检测器，具备动态更新机制，能够自动调整参数，适应新数据，有效识别未知类别样本。本发明的开集识别应用方法能够在检测到无人机信号的新类别时进行网络模型、分类器、位置类别检测器的迭代更新，确保了系统的持续优化和适应性，提高了无人机识别技术的灵活性和准确性。

本发明授权基于度量学习的无人机信号开集识别方法及系统在权利要求书中公布了：1.基于度量学习的信号识别系统，包括无人机信号数据集构建单元、基于度量学习的神经网络模型训练单元、样本特征向量数据集生成单元、分类器和未知类别检测器，其特征在于： 所述无人机信号数据集构建单元，获取无人机信号并构建信号的样本数据集；具体通过同时采集2.4GHz与5.8GHz两个频段的无人机信号，并进行结合，作为样本数据集；对采集的信号实部和虚部分别做短时傅里叶变换： 其中，X[m,k]表示短时傅里叶变换的结果，是一个二维矩阵，m表示时间索引，k表示频率索引；x[n]表示原始时域离散信号；ω[n-m]表示窗口函数，是一个以m为中心的有限长度函数，用于限制分析的时间范围；N表示短时傅里叶变换中离散傅里叶变换的大小；表示傅里叶变化中的复指数项，用于在频率域中加权，j是虚数单位，n是在正无穷和负无穷之间的中间变量； 将实部和虚部的短时傅里叶变换结果沿频率轴合并，并对2.4G和5.8G两个通道的结果进行组合作为样本数据； 所述基于度量学习的神经网络模型训练单元，通过构建并训练神经网络模型对无人机信号进行分类，训练过程中，对输入的一组样本构建三元组的矩阵，计算每个三元组中三个样本两两间的距离损失，根据样本标签创建掩码矩阵，并根据三元组的有效性设置对应的掩码矩阵，以去除无效掩码矩阵对应的三元组损失值，得到该组样本的三元组损失；基于所述样本数据集，采用三元组损失训练神经网络模型；所述神经网络模型最后一层为全连接层，并对输出结果进行L2正则化，具体表示为： 其中，output表示L2正则化结果，x表示输入的特征向量，xi表示特征向量x中的第i个元素，|xi|2表示特征向量x中第i个元素的绝对值的平方，∑i表示对所有i的|xi|2求和，用于计算输入x沿指定维度的元素平方和，max*，∈表示取括号内表达式的最大值，∈表示避免分母为零的小正数，表示开平方根； 所述样本特征向量数据集生成单元，通过训练好的神经网络模型，生成所述样本数据集对应的样本特征向量数据集； 所述分类器和未知类别检测器，通过所述样本特征向量数据集训练并构建，分别用于无人机信号的分类和未知类别检测。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。