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！

龙图腾网获悉上海成电福智科技有限公司申请的专利基于深度神经网络的手机辐射源频谱图类别增量学习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：CN115828100B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202211569854.2，技术领域涉及：G06F18/214；该发明授权基于深度神经网络的手机辐射源频谱图类别增量学习方法是由邓建华;吴春江;周锦霆;朱帮瑞;孙晋鹏设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本基于深度神经网络的手机辐射源频谱图类别增量学习方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的手机辐射源频谱图类别增量学习方法，包括获取手机辐射源频谱图的数据集，确定任务t 1 ~t N ，以及N个任务对应的训练数据集D 1 ~D n 、类别集C 1 ~C n ；再学习任务t 1得到网络模型；依次学习任务t 2 ~t N 来更新网络模型，且在每个增量学习阶段，通过增加分类层的参数重构分类层，以适应不断增加的类别数量，并采用交叉熵损失、基于距离的度量损失和蒸馏损失构成总损失函数训练网络模型。本发明能在无旧类训练数据下，完成模型对手机辐射源谱图的类别增量学习，能充分利用模型当前已学习的知识初始化新类分类参数，促进新类的学习。

本发明授权基于深度神经网络的手机辐射源频谱图类别增量学习方法在权利要求书中公布了：1.一种基于深度神经网络的手机辐射源频谱图类别增量学习方法，其特征在于：包括以下步骤； 1获取手机辐射源频谱图的数据集，并根据数据集中类别数量确定N个任务t1～tN，所述t1用于学习B1个类别，t2～tN分别用于学习B2个类别，且不同任务的类别不重复； 从手机辐射源频谱图数据集中获取N个任务的训练数据集，构成数据流D＝{D1,D2,…,DN}，t1的训练数据集为D1、类别集为C1，tn的训练数据集为Dn、类别集为Cn，n＝2～N，且第n个类别增量学习阶段仅能获得任务tn的训练数据集，每个训练数据集包含多个样本； 2在第一个类别增量学习阶段，学习任务t1，以D1中样本为输入，该样本的类别为期望输出，训练RestNet-18网络，得到网络模型；所述RestNet-18网络包括一特征提取器和一分类层，学习完t1后得到的特征提取器为f1·，分类层为C1·； 3在以后每个增量学习阶段，依次学习任务t2～tN，每学习完1个任务，更新一次网络模型，且学习完tn后得到的特征提取器为fn·，分类层为Cn·，能识别B1+n-1×B2个类别； 更新tn对应的网络模型具体为： 31设任务tn包含B2个类别，每个类别在Dn中对应S个样本； 32对其中1个类别，用tn-1得到的特征提取器fn-1·取其对应的S个样本的特征，其中第k个样本xk的特征为fn-1xk，k＝1～S，并计算该类别的中心值 33按步骤32得到tn中所有类别的中心值，共B2个中心值； 34在tn-1的得到的分类层中增加tn对应的B2个类别的分类参数，并用步骤33得到的B2个中心值，替换B2个新增的分类参数； 35根据下式计算蒸馏损失LD； 式中，U为Dn中的样本总数，U＝B2×S； 36计算任务tn的总损失函数lossn； lossn＝LCE+αLm+βLD 式中，LCE为交叉熵损失函数，Lm为基于距离的度量损失函数，α为Lm的权重，β为LD的权重； 37基于总损失函数训练tn-1的网络模型，得到tn的网络模型。

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上海成电福智科技有限公司，其通讯地址为：201306 上海市浦东新区中国（上海）自由贸易试验区临港新片区环湖西二路888号C楼；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”。