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！

龙图腾网获悉中国航天科工集团八五一一研究所申请的专利IFF信号智能分类识别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：CN114298093B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202111547686.2，技术领域涉及：G06F18/241；该发明授权IFF信号智能分类识别方法是由薄超;张君;王铁丹;卞新豪;曹鑫;郑仕力;张帆;王利伟;夏宇垠;丁其洪设计研发完成，并于2021-12-16向国家知识产权局提交的专利申请。

本IFF信号智能分类识别方法在说明书摘要公布了：本发明公开了IFF信号智能分类识别方法，首先利用已知各模式的信号模拟仿真出不同采样率下包含正负样本的训练集，然后对仿真出的训练集使用分阶胶囊网络进行训练，最后将使用训练好的网络搭建深度学习检测模型，从而实现对实际信号进行连续检测识别。解决了复杂电磁环境下连续信号的智能分类识别问题，即识别输出实测IFF信号各个位置的工作模式。

本发明授权IFF信号智能分类识别方法在权利要求书中公布了：1.一种IFF信号智能分类识别方法，其特征在于：基于分阶胶囊神经网络充分挖掘有限的信号时域特征，首先利用已知各模式的信号模拟仿真出不同信噪比的样本训练集，然后对仿真出的训练集使用分阶胶囊网络进行训练，最后将使用训练好的网络搭建深度学习检测模型，从而实现对实际信号进行连续检测识别，步骤如下： 步骤1，选定工作模式为应答信号，生成训练样本集xi∈R,i＝0,…,n-1； 步骤2、利用训练样本集对分阶胶囊神经网络进行训练，生成学习参数，具体如下： 步骤2-1、输入训练样本集xi∈R进行归一化和重构处理，数据处理方程如下： 其中，μx表示数据xi的均值，表示数据xi的方差，表示数据xi的归一化至，ε数据xi的归一化处理方差偏移量，yi表示数据xi的重构值； 步骤2-2、重构数据yi进行卷积和池化处理，i＝0,…,n-1，卷积处理方程如下： 其中，Z表示卷积输出矩阵，W表示卷积核矩阵，m表示卷积核矩阵中卷积核数量，k表示卷积核矩阵中卷积核向量长度，l表示卷积特征图大小，空洞卷积时卷积核元素之间塞入空格，延长卷积核向量长度，输出特征图大小l1的计算公式： 其中，s表示卷积步长，d表示卷积核元素之间塞入的空格数；普通卷积时特征图大小l2的计算公式： 使用的池化层均为平均池化层，步长为s＝2，卷积核列向量的卷积计算，j＝1,…,m-1，计算过程与式5一致；重构数据分别经过空洞卷积、普通卷积、池化处理后数据为Z'∈Rl'×m，其中，l'表示卷积和池化处理后数据的行数； 步骤2-3、重塑数据矩阵Z'变换成特定维数矩阵，且矩阵中元素个数不变，进行重构处理后数据矩阵表示为Z"∈Ra×b，其中，a×b＝l′×m； 步骤2-4、Z"作为低层次的胶囊的输入，i＝1,2,...,h，其中h表示胶囊的个数，b表示每个胶囊内的神经元个数，即向量长度；应用一个转换矩阵Wij∈Rp×b，p表示输出胶囊的神经元数量，将输入转换为预测向量计算公式如下： 其中，对于权重矩阵Wij是通过反向传播进行学习；将所有得到的预测向量进行加权求和，求和公式如下： 其中被称为高层胶囊的输入，为权重系数，也被称为耦合系数，通过动态路由算法进行学习，并且通过非线性激活函数squashing来确保短向量能够被压缩至接近0，长向量压缩至接近1的长度，并且保持向量的方向不变，激活函数形式如下： 对于上述的学习参数是通过迭代的动态路由算法进行更新，迭代次数为r，定义迭代参数向量为初始化值为0； 步骤3、采用完成训练的神经网络对实测数据进行测试，产生神经网络输出向量vj，利用注意力机制算法获取数据注意力分配概率； 步骤4、采用全连接层处理进行数据模式的多层感知和数据拟合，最终输出模式识别结果。

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航天科工集团八五一一研究所，其通讯地址为：211103 江苏省南京市江宁区建衡路99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。