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！

龙图腾网获悉电信科学技术第五研究所有限公司申请的专利一种基于对比学习的辐射源个体识别方法、介质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：CN115545076B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202211205528.3，技术领域涉及：G06F18/241；该发明授权一种基于对比学习的辐射源个体识别方法、介质及装置是由王珂;鲁越格格;王圣川;张俊;景亮设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种基于对比学习的辐射源个体识别方法、介质及装置在说明书摘要公布了：本发明提供一种基于对比学习的辐射源个体识别方法、介质及装置，输入数据为辐射源信号的IQ数据，通过基于对比学习的辐射源深度特征提取网络进行特征提取，并利用对比学习的方法，使得相同辐射源的特征向量在嵌入空间中尽可能的相近，不同辐射源的特征向量之间尽可能的远，最后通过预测信号特征向量与数据库的特征向量之间距离进行距离计算与评估，便可以得到辐射源的个体类别。本发明能够将辐射源个体识别与对比学习结合起来，使得相同辐射源的特征向量在嵌入空间中尽可能的相近，不同辐射源的特征向量之间尽可能的远，从而完成辐射源在高维空间上的聚类，实现辐射源个体的识别。

本发明授权一种基于对比学习的辐射源个体识别方法、介质及装置在权利要求书中公布了：1.一种基于对比学习的辐射源个体识别方法，其特征在于，包括如下步骤： 步骤1、从传感器中接入K个辐射源信号并保存； 步骤2、先将辐射源信号拆分为I路数据和Q路数据，并按照1024的长度进行切分； 步骤3、对切分好的每组I路数据和Q路数据进行归一化； 步骤4、将归一化了I路数据和Q路数据的辐射源信号作为训练数据，并根据编号1到M进行one-hot编码； 步骤5、对训练数据进行三元组组合作为训练单元；其中，、为基准元的I路数据和Q路数据，、为基准元同发射机下的随机其他信号，、为基准元非同发射机的随机其他信号，并记录三元组单元的发射机信息； 步骤6、将步骤5处理后的数据按照N*3*2*1024的维度进行矩阵化处理，再根据数据对应的接收机信息进行分类标签拼接，并进行N*M的矩阵化处理，得到数据集；其中，N表示有N条数据，3为训练单元个数，2为IQ两路数据，1024为IQ数据的长度；M表示one-hot编码的位数； 步骤7、将数据集送入基于对比学习的辐射源深度特征提取网络中进行训练，损失收敛后训练结束，得到模型权重文件； 步骤8、将训练数据辐射源信号归一化后的IQ数据输入到加载模型权重文件的基于对比学习的辐射源深度特征提取网络中，得到该训练数据辐射源信号的特征向量，将特征向量按照辐射源类别存入数据库中； 步骤9、将待预测辐射源信号归一化后的IQ数据输入到加载权重文件的基于对比学习的辐射源深度特征提取网络中，得到该待预测辐射源信号的特征向量，将该待预测辐射源信号的特征向量与数据库中所有的特征向量进行匹配，获得辐射源类别； 步骤7中，所述基于对比学习的辐射源深度特征提取网络设计如下： 将I路数据和Q路数据分别通过Block_1*3_64的卷积模块、1*2的最大值池化与Block_1*3_128的卷积模块进行特征提取，得到两个1*512*128的特征矩阵；对两个1*512*128的特征矩阵进行concatenate操作，得到1*512*256的特征矩阵；对1*512*256的使用Block_1*3_512的卷积模块、1*2的最大值池化，得到1*256*512的特征矩阵，为进行特征压缩与高阶语义特征提取，依次进行Block_1*3_256的卷积模块、1*2的最大值池化、Block_1*3_128的卷积模块、1*2的最大值池化、Block_1*3_32的卷积模块，最后得到1*64*32的特征矩阵，对1*64*32的特征矩阵平坦化后进行512维全连接，可得到1*512的特征向量并进行输出，再对1*512的特征向量进行5维的全连接进行类别输出。

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电信科学技术第五研究所有限公司，其通讯地址为：610021 四川省成都市锦江区大慈寺路22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。