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！

龙图腾网获悉杭州电子科技大学申请的专利基于局部特征窗口融合ViT网络的通信信号分类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：CN116861163B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310224677.2，技术领域涉及：G06F18/10；该发明授权基于局部特征窗口融合ViT网络的通信信号分类方法是由沈雷;胡鑫;卢英俊设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本基于局部特征窗口融合ViT网络的通信信号分类方法在说明书摘要公布了：本发明公开了基于局部特征窗口融合ViT网络的通信信号分类方法。该方法首先获得不同信噪比下的信号样本，进行载波同步与符号同步的处理，转变为带有加性高斯白噪声的基带序列。其次基带序列经过归一化的预处理后，将预处理后的基带序列转换为星座图。然后将星座图分隔为N块patch，为每一个patch做位置编码，得到Transformer编码器的输入序列。最后结合编码器中两个分支得到的全局特征分量与局部特征分量，构造损失函数，得到信号分类结果。本发明解决低信噪比环境下，噪声导致分类困难以及高阶信号分类效果不佳问题，并且更能加清晰的提取特征，提高了分类准确率。

本发明授权基于局部特征窗口融合ViT网络的通信信号分类方法在权利要求书中公布了：1.基于局部特征窗口融合ViT网络的通信信号分类方法，其特征在于，包括以下步骤： 步骤1、通过真实接收机及模拟仿真获得不同信噪比下的通信信号样本，进行载波同步与符号同步的处理后，转变为带有加性高斯白噪声的基带序列； 步骤2、基带序列经过归一化的预处理，将预处理后的基带序列转换为星座图； 步骤3、将星座图分割为N个块patch，为每一个patch做位置编码，得到变换Transformer编码器的输入序列； 所述位置编码具体过程如下： 星座图表示为其中H代表输入星座图的高度，W代表输入星座图的宽度，C代表输入星座图的通道数，把输入图像切割为N个P×P大小且像素不重叠的patch：i＝1,2,...,N，其中： 每个patch的位置信息为每个P2C维的patch向量分别经过线性变换右乘矩阵得到的D维向量；星座图的全局特征是每个patch右乘得到的D维矩阵叠加计算均值得到，记作经过每个patch块的位置编码得到： z0为编码器Transformer输入序列； 步骤4、将输入序列输入Transformer编码器，先经过l层Transformer网络层，再将第l层Transformer网络层输出特征输入两个分支：一个分支经过全局特征提取GFE模块和一层Transformer网络层；另一个分支经过局部特征提取LFE模块和一层Transformer网络层，这两个分支分别输出全局特征分量gclass与局部特征分量 在步骤4中将第l层Transformer网络层输出特征表示为： 所述全局特征提取GFE模块，将第l层Transformer网络层的输出再次输入一个Transformer网络层，得到特征向量取作为星座图全局特征分量gclass； 所述局部特征提取LFE模块，先将第l层Transformer网络层的输出进行池化，然后与组合得G0，即： 式中，Pool表示池化层；Concate表示拼接操作； 将G0将经过M层特征融合层，每个特征融合层的输出序列表示为： Gm＝ReLUConvSpliceGm-1⊙PMask+Gm-1,m＝1,2,…,M5 Splice表示局部特征窗口融合模块；Conv表示的卷积层；PMask表示掩码矩阵；ReLU表示激活函数；m为第m层特征融合层； 经M层特征融合层的输出序列GM输入一层Transformer网络层，得到融合了局部特征的输出选取特征作为局部特征分量； 步骤5、将得到的全局特征分量gclass与局部特征分量输入分类器，并构造损失函数训练Transformer编码器，得到通信信号分类结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。