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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于双谱特征对比学习的无监督通信辐射源个体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：CN116226721B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310242426.7，技术领域涉及：G06F18/24；该发明授权基于双谱特征对比学习的无监督通信辐射源个体识别方法是由雷迎科;李鹏程;金虎;冯辉;陈翔;王津;王友瑞;滕飞;潘必胜;俞红兵;钱锋;姜丽;张孟伯;王巍;王一川设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本基于双谱特征对比学习的无监督通信辐射源个体识别方法在说明书摘要公布了：本发明公开了一种基于双谱特征对比学习的无监督通信辐射源个体识别方法，该方法的过程为：首先利用两个参数共享的残差网络作为主干网络进行特征对比学习，然后将增广样本的矩形积分双谱特征输入对比学习模块，进一步学习更加具有区分力的特征表示，从而增强不同辐射源样本之间的特征可分离性；其次，利用提取到的新特征表示在聚类簇层面进行对比学习，完成分类识别任务。通过在实测超短波通信电台数据集上进行实验，本发明方法相比于其他无监督学习算法识别效果更好，能够达到77.8％的识别准确率。

本发明授权基于双谱特征对比学习的无监督通信辐射源个体识别方法在权利要求书中公布了：1.一种基于双谱特征对比学习的无监督通信辐射源个体识别方法，其特征在于，包括以下步骤： 步骤1、构建网络模型，输入数据集，设置训练次数，批次数据量，超参数、，类别数M； 步骤2、数据预处理：将时域信号数据进行归一化，并截取数据样本； 步骤3、数据增广：对每个信号样本进行随机裁剪、随机加噪声和翻转变换，以设定的概率独立地应用每个数据增广方法，生成正样本； 步骤4、双谱特征提取：对数据增广后的每个样本求取双谱特征，将一维的时域信号变成二维特征矩阵； 步骤5、从数据集中选取一个批次数据，随机选取两种数据增广方式,，计算样本对对比损失； 步骤6、计算聚类对比损失，并计算整体损失值，通过最小化来更新网络,,的参数； 步骤7、对于数据集中的每个样本，通过提取特征，通过计算每个样本的聚类分配； 步骤8、输出各聚类簇的编码，完成无监督通信辐射源个体识别； 步骤5中，计算样本对对比损失，具体如下： 把一对样本输入到一个共享参数的深度神经网络进行对比训练提取特征，得到新的特征表征，表示为 堆叠一个两层的非线性全连接层，通过将特征矩阵映射到应用对比损失的子空间； 定义具体样本的对比损失形式如下： 其中，、、表示成对相似性；是一个超参数，样本对对比损失计算如下： 步骤6中，计算聚类对比损失，具体如下： 将得到的新特征表征，输入到聚类网络中； 设置网络输出矩阵的维度满足，其中是每批训练的样本数量，是聚类簇的数量，，分别表示每批样本两次数据增广下的输出； 记矩阵的第列为，即数据样本第一次增广后的第个聚类簇的表示，同样地，将与组合形成正簇对，将另外个簇类对视为负簇对； 采用以下损失函数将簇与除之外的所有其他簇区分开来： 其中，为聚类网络的超参数；、、表示簇对之间的相似性； 聚类对比损失定义如下： 其中，是聚类簇分配概率的熵； 步骤6中，计算整体损失值，具体如下： 。

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人民解放军国防科技大学，其通讯地址为：230000 安徽省合肥市蜀山区黄山路460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。