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申请的专利基于多尺度卷积和元学习的物理层认证方案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：CN119697635B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411878548.6，技术领域涉及：H04W12/06；该发明授权基于多尺度卷积和元学习的物理层认证方案是由陈良银;罗志伟;陈彦如;高尚华;张媛媛;陶力;黄宇辰;程健峰设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于多尺度卷积和元学习的物理层认证方案在说明书摘要公布了：本发明涉及一种基于多尺度卷积和元学习的物理层认证方案。针对非法数据难以采集导致的数据不平衡问题，该方案提出基于子载波权重因子的SMOTE过采样算法对少数类样本进行过采样，引入不同子载波的权重来指导过采样过程，确保新生成的少数类样本更加贴近实际的样本分布。为了更有效地提取CSI数据深层特征，本发明设计了基于多尺度卷积和注意力机制的CNN网络MDA‑Net，使用可变形卷积模块来提升模型的特征提取能力。最后，本发明提出环境差异性指数EDI衡量现有环境和基础环境的差异，并基于EDI自适应调整元学习的学习率，提升模型在新场景和变化场景下的适应能力。实验表明，本发明提出的模型在新场景中F1分数达到了0.966，假正例率相较于现有代表性算法下降了2.42％。

本发明授权基于多尺度卷积和元学习的物理层认证方案在权利要求书中公布了：1.一种基于多尺度卷积和元学习的物理层认证方案，其特征在于，所述方案包括以下步骤： 步骤1、进行数据预处理，通过Linux802.11nCSITool获取到原始CSI数据后，计算每个子载波的幅度和相位信息并进行拼接，随后进行降噪和归一化处理，依据数据采集场景对CSI数据进行分类； 步骤2、数据过采样，使用CSI-SMOTE算法进行数据过采样，通过使用CSI信息中不同子载波和类别标签的互信息MI作为权重系数，MI能够衡量两个变量的相互依赖性，通过计算各个特征和目标变量的MI值可以得到不同特征的重要性来增加负样本的数量，增强模型对于负样本的学习能力；每个子载波的权重式中m为子载波的总个数，Iscj；L为每个子载波scj与类别标签L的互信息；X和Y间MI的计算公式可表示为：其中X表示子载波的变量，Y表示标签变量，px,y表示X和Y的联合概率分布，px和py表示X和Y的边缘概率分布； 步骤3、基于MDA-Net的元学习训练阶段，通过使用多尺度卷积和自注意力机制来提取CSI数据的深层次特征随后使用元学习中的MAML策略对不同场景中的CSI数据进行训练，提升模型对于新任务的适应能力，通过在不同场景数据上的训练得到预训练的元学习器参数； 步骤4、环境差异性指数EDI计算阶段，计算环境差异性指数EDI来衡量新场景和基准场景之间的差异，并通过EDI计算初始学习率； 步骤5、新场景适应阶段，通过新场景中的少量数据，对元学习器的参数进行更新和微调，提升模型对于新场景的适应能力，最后将微调后的模型用于新场景中的物理层认证。

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，其通讯地址为：610065 四川省成都市武侯区一环路南一段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。