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！

龙图腾网获悉四川大学;中国航空工业集团公司成都飞机设计研究所申请的专利基于小样本图像分类的WiFi设备射频指纹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：CN119691726B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411775637.8，技术领域涉及：G06F21/44；该发明授权基于小样本图像分类的WiFi设备射频指纹识别方法是由李俊杰;朱紫陌;李卫华;兰小龙;廖礼灿;谭翔元;何俊江;麻文刚设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本基于小样本图像分类的WiFi设备射频指纹识别方法在说明书摘要公布了：本申请涉及一种基于小样本图像分类的WiFi设备射频指纹识别方法。所述方法包括：获取WiFi设备信号数据并进行预处理，采用短时傅里叶变换将预处理之后的WiFi设备信号数据转化为时频谱图，构建小样本数据集；基于孪生神经网络构建射频指纹小样本图像分类模型，基于自编码器设计图像数据增强模块；采用小样本数据集预训练所述射频指纹小样本图像分类模型和图像数据增强模块；基于所述图像数据增强模块进行样本扩充，并利用预训练好的射频指纹小样本图像分类模型进行筛选；利用扩充后的数据集对所述射频指纹小样本图像分类模型再次训练，训练完成之后将测试样本输入，输出识别结果。提高了小样本条件下WiFi设备射频指纹识别的准确性。

本发明授权基于小样本图像分类的WiFi设备射频指纹识别方法在权利要求书中公布了：1.一种基于小样本图像分类的WiFi设备射频指纹识别方法，其特征在于，所述方法包括： 获取WiFi设备信号数据并进行预处理，采用短时傅里叶变换将预处理之后的WiFi设备信号数据转化为时频谱图，构建小样本数据集； 基于孪生神经网络构建射频指纹小样本图像分类模型，基于自编码器设计图像数据增强模块； 采用所述小样本数据集预训练所述射频指纹小样本图像分类模型和图像数据增强模块； 基于所述图像数据增强模块进行样本扩充，并利用预训练好的射频指纹小样本图像分类模型进行筛选； 利用扩充后的数据集对所述射频指纹小样本图像分类模型再次训练，训练完成之后将测试样本输入，输出识别结果； 构建的射频指纹小样本图像分类模型包括特征提取模块和相似度判别模块，其中，特征提取模块采用通道数分别为64、128、256、512的4个卷积模块进行时频谱图的深层特征提取，具体过程如下公式所示： 其中，表示特征提取过程的操作，为可训练的参数，为特征提取后的特征图表示； 每个卷积块都包括一个3×3的卷积核、一个ReLu激活函数以及一个2×2的最大池化层，每个结构的具体公式如下所示： 卷积层： 其中，和分别是卷积核的高和宽，是卷积核的权重矩阵，是偏置，分别是输出特征图的行、列和通道索引；这种卷积操作能够在局部区域内提取图像特征，特别适用于时频谱图的局部模式捕捉； 激活函数： 卷积操作后应用非线性激活函数是为了引入非线性特性，防止模型过拟合并加速计算，使网络能够学习更复杂的特征表示； 池化层： 其中，是池化窗口大小，通过该操作，特征图的空间维度逐步减小，同时保留了每个局部区域中的最显著特征； 相似度判别模块采用3个神经元逐渐减少的全连接层构成，前两个全连接层后面连接ReLu激活函数引入非线性能力，最后一个全连接层后面连接Sigmoid函数来将输出映射到0,1区间来反映样本间的相似程度； 所述采用所述小样本数据集预训练所述射频指纹小样本图像分类模型和图像数据增强模块包括： 初始化网络参数； 将训练样本分批次输入所述图像数据增强模块，采用二元交叉熵损失函数构建图像数据增强损失函数，基于所述图像数据增强损失函数进行反向传播； 将训练样本按类别划分为训练集、支持集和验证集，并构建正负样本对，再分批次输入所述射频指纹小样本图像分类模型，采用二元交叉熵损失函数构建分类损失函数，基于所述分类损失函数进行反向传播。

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四川大学;中国航空工业集团公司成都飞机设计研究所，其通讯地址为：610044 四川省成都市一环路南一段24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。