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！

龙图腾网获悉北京理工大学申请的专利DRFM间歇采样下基于时频分析与深度学习的信号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：CN116797796B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310772507.8，技术领域涉及：G06V10/40；该发明授权DRFM间歇采样下基于时频分析与深度学习的信号识别方法是由郝新红;伊光华;代健;闫晓鹏;刘洋天;韩燕文;安泰;陈秀梅设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本DRFM间歇采样下基于时频分析与深度学习的信号识别方法在说明书摘要公布了：本发明公开的DRFM间歇采样下基于时频分析与深度学习的信号识别方法，属于无线电引信对抗领域。本发明实现方法为：基于数字射频存储DRFM的无线电引信干扰机采用收发分时天线获取目标信号和转发干扰信号；利用间歇采样的方式获取无线电引信信号；通过平滑伪魏格纳‑维利分布SPWVD提取目标信号的时频图像，显著抑制交叉项的产生，提高自动调制识别的信号预处理效果，改善信号的可分辨性；构建基于VisionTransformer骨干网络的无线电引信信号自动调制识别模型；通过预训练加微调的方式训练自动调制识别模型作为分类器，对接收到的无线电引信信号进行分选识别，进而能够在DRFM干扰等间歇采样场景下实现对多种无线电引信信号的分选识别。

本发明授权DRFM间歇采样下基于时频分析与深度学习的信号识别方法在权利要求书中公布了：1.DRFM间歇采样下基于时频分析与深度学习的信号识别方法，其特征在于：包括如下步骤， 步骤一、基于数字射频存储DRFM的无线电引信干扰机，根据不同的干扰转发策略，采用间歇采样的模式获取时频域截断的无线电引信信号，并通过下变频处理，得到下变频处理后的目标信号； 步骤二、采用平滑伪魏格纳-维利分布SPWVD，对步骤一下变频处理后的目标信号进行时域和频域加窗平滑处理后，抑制交叉项的产生，增强信号的时频特性，生成信号的SPWVD时频图像； 步骤三、基于VisionTransformer骨干网络建立无线电引信信号自动调制识别模型，该模型由编码器、解码器和输出层组成，且编码器和解码器使用MaskedAutoencoders的算法结构；时频图像输入到编码器中，编码器对时频图像进行位置编码和随机掩码处理，并通过Transformer结构提取时频图像的特征，并输出图像的特征图；解码器通过拟合特征图与原始时频图像之间的差异重构时频图像，通过最小化重构时频图像与原始时频图像之间的差异训练基于VisionTransformer的无线电引信信号自动调制识别模型的特征提取能力和图像重构能力；解码器重构时频图像后，输出一维特征向量给到输出层；输出层对一维特征向量进行降维和分类处理，得到一维识别向量代表无线电引信信号的调制类型；基于VisionTransformer的无线电引信信号自动调制识别模型的训练过程采用预训练加微调的训练方式，降低模型的训练成本，提高模型的训练效率；预训练过程中使用完整的、没有标签的无线电引信信号的时频图像进行时频重构训练，该训练过程中不对无线电引信信号进行调制类型识别；微调训练过程先通过参数迁移将预训练的基于VisionTransformer的无线电引信信号自动调制识别模型的参数迁移到微调模型中，初始化微调模型；再使用间歇采样获取的无线电引信信号的时频图像对基于VisionTransformer的无线电引信信号自动调制识别模型进行调制类型识别训练； 步骤四、将步骤二的SPWVD时频图输入到步骤三中训练好的基于VisionTransformer的无线电引信信号自动调制识别模型中，通过所述模型进行信号调制类型的分选，对不同体制的无线电引信信号进行识别，提高DRFM间歇采样场景下对无线电引信信号的识别精度和效率。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。