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！

龙图腾网获悉电子科技大学申请的专利一种基于模型嵌入的辐射源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：CN116010881B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310058875.6，技术领域涉及：G06F18/2415；该发明授权一种基于模型嵌入的辐射源识别方法是由邵怀宗;梁沛阳;潘晔;林静然;利强;孙国敏;胡全设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种基于模型嵌入的辐射源识别方法在说明书摘要公布了：本发明提供了一种基于模型嵌入的辐射源识别方法，将不同模态的数据联合输入，通过端到端的多模态识别框架进行训练，实现了不同模态模型之间的参数共享，较多个模态对应于多个网络识别而言，网络规模的参数明显降低，收敛速度提高，并且在多个模态共享参数的过程中，网络得到了更多关于模态间的共同信息。同时，本发明在端到端的识别框架后，提供了一种基于贝叶斯理论的融合算法，相较于采用单模态作为网络输出，由于融合后的输出来自于不同模态，使得结果的置信度更高，故采用融合后的输出作为辐射源个体识别的决策，减少网络收敛时所需迭代次数，达到优化网络性能的效果。

本发明授权一种基于模型嵌入的辐射源识别方法在权利要求书中公布了：1.一种基于模型嵌入的辐射源识别方法，其特征在于，包括以下步骤： 训练步骤： 1对来自各辐射源的电磁信号进行时频数据预处理； 2确定多模态的各模态类型，对预处理得到时频数据进行不同模态时频特征提取得到样本特征矩阵； 3对样本特征矩阵进行数据标注得到样本特征矩阵以及对应的辐射源类别标签，再对数据标注后的样本特征矩阵进行数据集划分得到训练集和测试集； 4按照模态类型数量嵌入并连的与模态类型一一对应的w个神经网络模型，将训练集输入w个神经网络模型，训练集中的一个训练样本输入至w个神经网络模型的其中一个，w个神经网络模型通过参数共享完成预训练； 5将测试集输入到预训练完成的w个神经网络模型中进行辐射源识别： 5-1测试集在输入神经网络模型时，保证每一批w个进入神经网络模型的测试样本属于同一辐射源类别；w个神经网络模型各自输出的概率矩阵，概率矩阵中每行对应一个测试样本，每列为不同辐射源类别的识别概率； 5-2将不同模态的w个神经网络模型输出的概率矩阵的每一行进行融合，输出最终的融合概率： Pi表示第i行的融合概率，当每一批w个进入神经网络模型的测试样本属于同一辐射源类别时，w个神经网络模型输出的概率矩阵的同一行属于同一辐射源类别，pi1第1个神经网络模型的概率矩阵的第i行上的识别概率，piw表示第w个神经网络模型的概率矩阵的第i行上的识别概率； 5-3根据w个神经网络模型输出的融合概率判断识别准确率是否满足网络收敛条件，如是，则保存w个神经网络模型的模型参数，训练过程结束，否则，调整w个神经网络模型的超参数后，返回步骤5-1； 识别步骤： 将待识别辐射源的电磁信号进行时频数据预处理，提取出时频特征后并行输入至训练好的w个神经网络模型，根据w个神经网络模型输出的融合概率识别出辐射源类型。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。