浙江大学周成伟获国家专利权
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!
龙图腾网获悉浙江大学申请的专利基于前馈神经网络的非合作未知物联网设备射频感知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:CN119233272B 。
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:202411310207.9,技术领域涉及:H04W16/18;该发明授权基于前馈神经网络的非合作未知物联网设备射频感知方法是由周成伟;文思涵;贾晓燕;俞荣栋;王战;钟耀毅设计研发完成,并于2024-09-19向国家知识产权局提交的专利申请。
本基于前馈神经网络的非合作未知物联网设备射频感知方法在说明书摘要公布了:本发明公开了一种基于前馈神经网络的非合作未知物联网设备射频感知方法。本发明专注于非合作未知物联网设备发射的通信信号,由于此类设备一旦向外界传递其收集的信息,必然需要发射通信信号,因此通过捕获其通信信号能够有效提高检出概率。本发明通过神经网络提取通信信号特征,无需从设备供应商处获取此特征,有效提升了本发明部署的可行性和便捷性。前馈神经网络是最为精简的神经网络结构之一,其表征能力相对较弱,一般难以完成复杂任务,本发明采用特定的损失函数,使得训练得到的前馈神经网络具有识别非合作未知物联网设备的能力,因此使得本发明具有在同类方法中,对硬件性能要求较低的优点,进而提升了本发明的部署潜力,降低了部署成本。
本发明授权基于前馈神经网络的非合作未知物联网设备射频感知方法在权利要求书中公布了:1.一种基于前馈神经网络的非合作未知物联网设备射频感知方法,其特征在于,包含以下步骤: 1通信信号监测设备的部署:在需要监测入侵物联网设备的场景布置若干通信信号监测设备,监测到的射频信号波形xt表达为: xt=st+nt,t=1,2,…,T 其中,T表达射频信号的时间长度,st表示监测到的由物联网设备发射的通信信号波形,nt表示接收到的噪声; 2通信信号的特征提取:根据不同场景选择不同特征提取策略,提取出的通信信号的所有特征用向量形式表达为: X=[x1,x2,…,xG] 其中,xg表达从xt中提取出的第g个特征,G表达从xt中提取出的特征总数; 3基于前馈神经网络的特征压缩表征:采用前馈神经网络对通信信号特征进行压缩表征,具体表达如下: Ri=ReLuWi×Ri-1+bi,i=1,2,…,I 其中,ReLu表达非线性激活函数,Ri表示第i层前馈神经网络的输出,R0=X,Wi表达第i层前馈神经网络的可学习权重,bi表达第i层前馈神经网络的可学习偏置,I表达前馈神经网络的层数;由最后一层前馈神经网络的输出RI作为通信信号特征的压缩表征; 4基于语义中心的语义空间分割:在训练阶段,使用来自N个合法物联网设备的M条训练数据,引入多种损失函数对可学习参数Wi、bi进行训练;将第m,m=1,2,…,M条训练数据Xm经前馈神经网络的输出记为第m条训练数据所属的设备编号记为nm∈{1,2,…,N},nm同时作为第m条训练数据的标签,语义空间中编号为n的设备的中心向量记为cn,n=1,2,…,N; 损失函数的具体表达如下: 其中: k,r为超参数;L1为分类损失函数,Softmax表达Softmax函数,Classifier表示一个分类神经网络;L2为重建损失函数,Decoder表示一个译码神经网络;损失函数L3使得在语义空间中,训练集中属于同一设备的所有通信信号的表征之间的距离尽可能近,属于不同设备的所有通信信号表征之间的距离尽可能远,且该距离能够通过超参数r控制;损失函数L3同时约束语义空间内不同类之间表征的差异性和绝对距离,且这两种约束之间的权重能够通过超参数k控制; 5设备分类与非合作未知入侵物联网设备识别:收集场景内所有合法物联网设备的射频信号,计算语义中心;编号为n的合法物联网设备的语义中心计算公式表示为: 其中,δn为判断函数,如果Xm为由编号为n的物联网设备发出的射频信号提取的特征,则δnXm=1,否则δnXm=0;经此步骤,合法物联网设备所发射的通信信号的特征被识别并归类; 每接收到一段来自物联网设备的通信信号波形xut,计算信号特征的低维度压缩表征通过以下公式确定其是否为未知的入侵物联网设备: 其中,distance表达向量间的闵可夫斯基距离,φ表达设定的距离阈值;当yu等于-1时,判断信号波形xut来自未知的入侵物联网设备,否则判断信号波形xut来自已知的合法物联网设备,其编号n=yu。
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浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励