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！

龙图腾网获悉中国人民解放军军事航天部队航天工程大学申请的专利基于多尺度特征的子域动态跨域辐射源识别方法和装置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：CN119961749B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510032222.X，技术领域涉及：G06F18/241；该发明授权基于多尺度特征的子域动态跨域辐射源识别方法和装置是由冯俊豪;方胜良;王宏艳;范有臣;董尧尧;尹坤;马昭设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于多尺度特征的子域动态跨域辐射源识别方法和装置在说明书摘要公布了：本发明涉及无线通信领域，具体公开了一种基于多尺度特征的子域动态跨域辐射源识别方法和装置。包括通过第一接收机和第二接收机各自接收I、Q两路基带信号，各自进行预处理，并分别得到二维信号矩阵，将第一接收机接收的两路基带信号的二维信号矩阵进行数据标记，得到源域数据，并将第二接收机接收的两路基带信号的二维信号矩阵设为目标域数据，基于改进的Resnet18网络，构建跨接收机射频指纹识别模型，利用目标域数据和源域数据，对跨接收机射频指纹识别模型进行训练，得到优化跨接收机射频指纹识别模型，获取实际目标域数据，输入优化跨接收机射频指纹识别模型进行识别，得到识别结果。有效缓解了交叉接收机辐射源识别的难题。

本发明授权基于多尺度特征的子域动态跨域辐射源识别方法和装置在权利要求书中公布了：1.一种基于多尺度特征的子域动态跨域辐射源识别方法，其特征在于，包括： S1、通过第一接收机和第二接收机各自接收I、Q两路基带信号，各自进行预处理，并分别得到二维信号矩阵； S2、将所述第一接收机接收的两路基带信号的所述二维信号矩阵进行数据标记，得到源域数据，并将所述第二接收机接收的两路基带信号的所述二维信号矩阵设为目标域数据； S3、基于改进的Resnet18网络，构建跨接收机射频指纹识别模型；包括： S31、利用所述改进的Resnet18网络进行深度特征提取，确定主干网络； S32、基于多尺度卷积神经网络，进行局部特征提取； S33、利用全局最大平均差异和局部最大平均差异进行特征分布计算； S34、基于所述主干网络、所述局部特征和所述特征分布计算的结果，构建所述跨接收机射频指纹识别模型； S4、利用所述目标域数据和所述源域数据，对所述跨接收机射频指纹识别模型进行训练，得到优化跨接收机射频指纹识别模型；包括： S41、将所述目标域数据输入所述跨接收机射频指纹识别模型，通过所述主干网络进行深度特征提取，得到数据深度特征； S42、基于所述数据深度特征和所述源域数据，利用所述全局最大平均差异进行计算，确定源域和目标域的全局分布距离； S43、基于所述数据深度特征，利用所述多尺度特征图区模块进行局部特征提取，得到局部特征信息； S44、利用所述局部特征信息，捕获细粒度特征，进而预测所述目标域数据的类别，得到预测标签； S45、基于所述预测标签和所述源域数据，利用所述局部最大平均差异进行计算，得到所述源域和目标域的局部分布距离； S46、根据所述局部分布距离，进行最小化计算，确定总目标优化函数； S47、基于所述总目标优化函数，对所述跨接收机射频指纹识别模型进行优化，得到所述优化跨接收机射频指纹识别模型； 所述全局最大平均差异的计算公式为， 式中，MMD是一种非参数分布统计量，D为源域，D为目标域，n和n分别为源域数据和目标域数据的样本数量，分别为源域和目标域的第i个样本，X和X分别为源域和目标域的信号样本空间，H为具有特征核K的的再生希尔伯特空间； 所述局部最大平均差异的计算公式为， 式中，K为类别数量，分别为源域和目标域的第k个发射机的权重，为H中的再生核希尔伯特空间的非线性特征映射，是输入第k个值，z表示最后一层全连接层的输出； S5、获取实际目标域数据，输入所述优化跨接收机射频指纹识别模型进行识别，得到识别结果。

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中国人民解放军军事航天部队航天工程大学，其通讯地址为：101416 北京市怀柔区八一路一号；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。