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！

龙图腾网获悉青岛九维华盾科技研究院有限公司申请的专利一种基于脉内细微特征的脉冲信号分类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：CN116861328B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310574895.9，技术领域涉及：G06F18/2415；该发明授权一种基于脉内细微特征的脉冲信号分类方法是由孙殿星;韦文斌;彭锐晖;武星蕊;郭玮;窦钥聪设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于脉内细微特征的脉冲信号分类方法在说明书摘要公布了：本发明提供了一种基于脉内细微特征的脉冲信号分类方法，属于电子侦察脉冲信号分类识别领域。包括：第1类脉冲信号脉内细微特征提取、第2类脉冲信号脉内细微特征提取、第3类脉冲信号其中既包括第1类脉冲信号，也包括第2类脉冲信号脉内细微特征提取、长短时记忆网络LSTM训练、第3类脉冲信号属性预测等模块。由于设备的物理器件属性存在差异，使得不同设备产生的脉冲信号脉内细微特征必然存在差异，通过对两类脉冲信号的脉内细微特征进行分析，采用LSTM对两类脉冲信号比对，并给出分类结果，以避免我方作战装备对战场态势作出错误判决。该方法可以有效提高对两多类脉冲信号的正确分类概率，同时可以大大减少运行时间，工程实现简单，具有推广价值。可应用于电子侦察不同设备发射的脉冲信号分类，还可以应用于手机、电脑等日常无线信号的分类。

本发明授权一种基于脉内细微特征的脉冲信号分类方法在权利要求书中公布了：1.一种基于脉内细微特征的脉冲信号分类方法，其特征在于包括以下步骤： S1：第1类脉冲信号脉内细微特征提取； S11：假设产生第1类脉冲信号的设备的频域的系统函数为H1fn，有： 1H1fn＝[Y1f1，Y1f2，…，Y1f2048]； 其中，Y1fn代表频率为fn时第1类脉冲信号发射设备系统函数分量； S12：假设理想的第1类脉冲信号的频谱为S1fn，有： 2S1fn＝[X1f1，X1f2，…，X1f2048]； 其中，X1fn代表频率为fn时第1类脉冲信号理想的频谱值； S13：受设备的影响，第1类脉冲信号的归一化脉内细微特征|S′1fn|为： 3 其中，‘⊙’为哈达玛积运算符号，S1fn为第1类脉冲信号受设备影响后的离线频谱，|S1fn|为第1类脉冲信号的脉内细微特征，|S1fmax|为|S1fn|的峰值搜索结果，根据式3进行1000次Monte-Carlo仿真，至此完成了用于训练的第1类脉冲信号归一化脉内细微特征的提取； S2：第2类脉冲信号脉内细微特征提取； S21：假设产生第2类脉冲信号的设备的频域的系统函数为H2fn，有： 4H2fn＝[Y2f1，Y2f2，…，Y2f2048]； 其中，Y2fn代表频率为fn时第2类脉冲信号发射设备系统函数分量； S22：假设理想的第2类脉冲信号的频谱为S2fn，有： 5S2fn＝[X2f1，X2f2，…，X2f2048]； S23：受设备的影响，第2类脉冲信号的归一化脉内细微特征|S′2fn|为： 6 其中，‘⊙’为哈达玛积运算符号，S2fn为第2类脉冲信号受设备影响后的离散频谱，|S2fn|为第2类脉冲信号的脉内细微特征，|S2fmax|为|S2fn|的峰值搜索结果，根据式6进行1000次Monte-Carlo仿真，至此完成了用于训练的第2类脉冲信号归一化脉内细微特征的提取； S3：LSTM分类器训练； S31：将Monte-Carlo仿真产生的训练数据集进行预处理，将1000个已知的第1类脉冲信号标签设置为1，1000个已知第2类脉冲信号标签设置为0； S32：LSTM分类器准备，设置LSTM特征提取层数为3，全连接层数为2，输入特征维数为2048，隐含层特征维数为256； S33：在jupyternotebook编译环境下对网络进行构建并训练； S4：第3类脉冲信号脉内细微特征提取； S41：假设产生第3类脉冲信号的设备的领域的系统函数为H3fn，其为H1fn或H2fn，有： 7H3fn＝[Y3f1，Y3f2，…，Y3f2048]； 其中，Y3fn代表频率为fn时第3类脉冲信号发射设备系统函数分量； S42：假设理想的第3类脉冲信号的频谱为S3fn，有 8S3fn＝[X3f1，X3f2，…，X3f2048]； S43：受设备的影响，第3类脉冲信号的归一化脉内细微特征|S′3fn|为： 9 其中，‘⊙’为哈达玛积运算符号，S3fn为第3类脉冲信号受设备影响后的离散频谱，|S3fn|为第2类脉冲信号的脉内细微特征，|S3fmax|为|S3fn|的峰值搜索结果，根据式9进行1000次Monte-Carlo仿真，至此完成了用于训练的第2类脉冲信号归一化脉内细微特征的提取； S5：脉冲信号属性预测； S51：将步骤S4中待预测的400个接收的第3类未知属性脉冲信号归一化脉内细微特征|S3fn|读入； S52：调用LSTM预测程序，即可实现各个脉冲信号所属的第1类脉冲信号或第2类脉冲信号的类别预测。

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青岛九维华盾科技研究院有限公司，其通讯地址为：266555 山东省青岛市中国(山东)自由贸易试验区青岛片区前湾保税港区曼谷路55号综合楼C栋一层108C东1室(B)；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。