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！

龙图腾网获悉西安电子科技大学申请的专利一种基于空间分布特征提取网络的调制信号开集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：CN117176522B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310915169.9，技术领域涉及：H04L27/00；该发明授权一种基于空间分布特征提取网络的调制信号开集识别方法是由周峰;王力;张慧;石晓然;田甜设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本一种基于空间分布特征提取网络的调制信号开集识别方法在说明书摘要公布了：本发明公开了一种基于空间分布特征提取网络的调制信号开集识别方法，包括：获取待识别的调制信号；将待识别的调制信号输入至训练好的空间分布特征提取网络，提取待识别的空间分布特征向量；利用待识别的空间分布特征向量判断待识别的调制信号为未知类信号还是已知类信号；将判定为已知类信号的待识别的调制信号的空间分布特征向量中所有元素的最小值对应的类别作为待识别的调制信号的类别，完成待识别的调制信号的识别。本发明的识别方法能在开放环境中有效提取特征，并且能在频谱监测领域对调制信号的类别进行有效识别，打破了现有技术的封闭世界的假设。

本发明授权一种基于空间分布特征提取网络的调制信号开集识别方法在权利要求书中公布了：1.一种基于空间分布特征提取网络的调制信号开集识别方法，其特征在于，所述识别方法包括： 获取待识别的调制信号； 将所述待识别的调制信号输入至训练好的空间分布特征提取网络，以通过所述训练好的空间分布特征提取网络将所述待识别的调制信号从信号空间映射到特征空间，得到待识别的原始特征向量，并根据所述待识别的原始特征向量提取所述待识别的空间分布特征向量；所述空间分布特征提取网络包括依次连接的K1个卷积模块、K2个全连接层、空间分布特征提取层和基于欧式距离的分类器，每个所述卷积模块包含依次连接的卷积层、ReLu激活层、批规范化层和最大池化层；K1为8，K2为2，8个所述卷积模块中的8个卷积层的卷积核个数依次为8、16、8、32、64、128、128、128，8个卷积层的卷积核大小均为3×3，padding均为2，步长均为1；所述最大池化层的padding为2；2个所述全连接层分别包括128个节点和M个节点； 判断所述待识别的空间分布特征向量中所有元素的最小值是否大于预设阈值，若是，则将所述待识别的调制信号判定为未知类信号，若否，则将所述待识别的调制信号判定为已知类信号； 将判定为已知类信号的所述待识别的调制信号的空间分布特征向量中所有元素的最小值对应的类别作为所述待识别的调制信号的类别，完成所述待识别的调制信号的识别； 所述空间分布特征提取网络的训练方法包括： S1.1、获取训练样本集，所述训练样本集包括M类样本调制信号，每类所述样本调制信号若干个不同的信噪比，每类所述样本调制信号的每个信噪比包括m1个信号； S1.2、将所述样本调制信号对应的信号序列按顺序输入至空间分布特征提取网络，所述空间分布特征提取网络输出对应的预测类别，基于标签预测模型预测所述样本调制信号为每一类别的概率，并根据所述分类结果与所述概率计算当前迭代次数的混合损失函数，通过随机梯度下降算法对空间分布特征提取网络进行训练，得到所述训练好的空间分布特征提取网络； 所述标签预测模型为： 其中，pEDy＝k|x为概率，x为样本调制信号，为第一空间分布特征向量，为第k类样本调制信的类中心向量，k＝1,2,....,M，为第i类样本调制信的类中心向量； 所述混合损失函数为： LHbrid＝LEDCE+λ·LMax‑Min其中，LHbrid为混合损失函数，LEDCE为基于欧氏距离的交叉熵损失函数，LMax‑Min为空间分布损失函数，λ为超参数，λ∈[0,1]； LEDCE＝‑logpEDy＝k|x其中，Ni为第i类样本调制信号中信号的数量，为第i类样本调制信号中第p个信号经过所述空间分布特征提取网络中的所述K2个全连接层输出的一维特征向量，为第j类样本调制信的类中心向量。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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。