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！

龙图腾网获悉大连理工大学;中国人民解放军海军大连舰艇学院申请的专利一种基于多任务学习的复杂电磁信号解调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：CN120896824B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511417969.3，技术领域涉及：H04L27/00；该发明授权一种基于多任务学习的复杂电磁信号解调方法是由郭艳红;王义涛;隋金坪;龚浩然;王嘉雯设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种基于多任务学习的复杂电磁信号解调方法在说明书摘要公布了：本发明公开了一种基于多任务学习的复杂电磁信号解调方法，涉及电磁信号解调技术领域，包括采用ResNet‑18与Transformer的混合架构作为骨干网络，结合动态权重分配机制，构建多任务学习模型；将待测复杂电磁信号输入多任务学习模型，得到调制类型识别结果和码元序列预测结果，实现了两个任务的协同优化，并通过动态权重分配机制有效抑制任务冲突导致的负迁移效应。电磁信号解调过程中先判断信号采用的调制方式，再预测原始码元序列，调制类型识别是码元序列预测的基础，调制类型识别的准确性直接影响码元序列预测的最终结果，多任务学习模型通过两个任务的协同优化来提高调制类型识别的准确性，同时提升码元序列生成的准确率。

本发明授权一种基于多任务学习的复杂电磁信号解调方法在权利要求书中公布了：1.一种基于多任务学习的复杂电磁信号解调方法，其特征在于：包括以下步骤： S1：获取不同调制方式下的信号数据集，并将不同调制方式下的信号数据集划分为训练集和验证集； S2：采用ResNet-18与Transformer的混合架构作为骨干网络，结合动态权重分配机制，构建多任务学习模型；具体包括： 骨干网络采用ResNet-18与Transformer的混合架构，ResNet-18分支用于提取局部时序特征及调制类型判别性模式，Transformer分支通过多头自注意力机制捕获长时程频谱相关性及调制参数演化规律； 动态权重分配机制用于自适应调节调制类型识别任务与码元序列预测任务的损失权重； 设置跨分支特征交互门控单元，用于动态调节ResNet-18深层特征与Transformer序列特征的融合比例； 动态权重分配机制具体包括动态EMA权重平衡机制、序列对齐与误码率集成和复合损失量化体系； 动态EMA权重平衡机制用于通过指数移动平均EMA算法动态调整每个任务的损失权重； 序列对齐与误码率集成用于利用动态序列对齐算法，通过permute操作与零填充实现预测序列与目标序列的长度匹配，并将误码率作为软约束嵌入到损失函数中； 复合损失量化体系用于将调制类型分类损失、序列生成概率分布损失以及经过温度系数缩放的误码率损失加权构成总损失函数； S3：利用训练集和验证集对多任务学习模型进行训练，得到训练好的多任务学习模型； S4：将待测复杂电磁信号输入训练好的多任务学习模型，得到调制类型识别结果和码元序列预测结果。

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大连理工大学;中国人民解放军海军大连舰艇学院，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。