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小样本条件下基于元学习的单通道源分离抗干扰方法及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：CN119544093B 。

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：202411502574.9，技术领域涉及：H04B15/00；该发明授权小样本条件下基于元学习的单通道源分离抗干扰方法及装置是由郭鹏程;于淼;李程;许拔设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本小样本条件下基于元学习的单通道源分离抗干扰方法及装置在说明书摘要公布了：本发明公开了一种小样本条件下基于元学习的单通道源分离抗干扰方法，该方法为：在训练阶段，首先创建元学习训练数据集，包括目标通信信号和多种干扰信号；然后从数据集中随机提取子集构建任务集，并划分为支持集和查询集；接着搭建信号分离网络，创建元学习目标函数和优化策略，包括内循环和外循环；最后将任务集信号输入网络进行训练，保存最优预训练模型；在微调阶段，首先创建微调数据集并抽取任务；然后创建微调目标函数和优化策略；最后将小样本信号输入预训练模型进行微调，保存最优模型。本发明实现了未知或少量样本条件下通信信号和干扰信号有效分离，实现了有效的干扰识别和抑制，提高了通信抗干扰能力，保障了通信的稳定性和可靠性。

本发明授权小样本条件下基于元学习的单通道源分离抗干扰方法及装置在权利要求书中公布了：1.一种小样本条件下基于元学习的单通道源分离抗干扰方法，其特征在于，包括元学习训练阶段和微调阶段，其中： 元学习训练阶段包括以下步骤： 步骤A1、创建训练数据集，包括通信信号、多种已知干扰信号以及两者的混合信号； 步骤A2、从数据集中随机提取子集构建任务集，并将任务划分为支持集和查询集，多次抽取组成一个批次batch； 步骤A3、搭建信号分离网络； 步骤A4、创建元学习目标函数和优化策略，包括内循环和外循环，具体如下： 首先，在内循环中，针对每个任务进行特定任务的学习，使用梯度下降法找到参数，分离网络中的参数最小化了支持集上的损失，公式如下： ； 其中是内循环的学习率，表示分离网络中参数，表示内循环结束后的分离网络参数，表示梯度下降，表示支持集上的损失集合； 然后，在外循环中，利用内循环派生出的任务特定模型即每个支持集训练好的网络模型，来更新通用模型即整个分离网络的初始化参数，通过定义一个元损失函数在查询集上完成，公式如下： ； 其中，表示整个元学习的元损失函数，表示每个支持集训练好的参数集在查询集上的损失表现； 最后，通过梯度下降法更新整个分离网络参数，即： ； 其中是外循环的学习率； 其中，损失函数采用句子级排列不变损失的尺度不变信噪比作为损失函数，尺度不变信噪声比SI-SNR表示为： ； 其中，表示估计信号在源信号方向上的投影分量，表示估计信号在源信号方向上的垂直分量，和分别表示源信号和估计信号，表示两个向量点积，表示二范数； 步骤A5、基于目标函数和优化策略，使用步骤A2得到的任务集，对步骤A3的分离网络进行训练，得到训练好的预训练分离网络模型； 小样本微调阶段包括以下步骤： 步骤B1、创建微调数据集，包括通信信号和小样本目标干扰信号以及两者的混合信号； 步骤B2、从微调数据集中随机提取任务构建任务集，多次抽取组成一个批次batch； 步骤B3、创建微调目标函数和优化策略； 步骤B4、基于微调目标函数和优化策略，利用步骤B2得到的任务集去微调步骤A5得到的训练好的预训练分离网络模型，得到微调后的最优分离网络模型。

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：210016 江苏省南京市秦淮区后标营18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。