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！

龙图腾网获悉天津大学;天津七一二通信广播股份有限公司申请的专利一种基于三维时频与深度迁移学习的通信干扰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：CN120017191B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510067019.6，技术领域涉及：H04B17/345；该发明授权一种基于三维时频与深度迁移学习的通信干扰识别方法是由李光;高忠科;安建鹏;郭威设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于三维时频与深度迁移学习的通信干扰识别方法在说明书摘要公布了：本发明涉及一种基于三维时频与深度迁移学习的通信干扰识别方法，包括：S1、数据预处理；S2、迁移学习的特征提取；S3、LSTM时序特征提取；S4、时频图特征、时序特征权重分配实现干扰信号识别。本发明将原始的频谱数据处理成三维时频图，保留多维度的数据信息；通过迁移学习的方式提取三维时频图的特征，解决干扰数据样本数量少的问题；结合LSTM网络，提取特征图的时序关联性特征；最后再结合自注意力机制网络Self‑AttentionMechanism，为三维时频图特征、时序特征分配权重，有助于模型识别关键的特征并提高识别精度。

本发明授权一种基于三维时频与深度迁移学习的通信干扰识别方法在权利要求书中公布了：1.一种基于三维时频与深度迁移学习的通信干扰识别方法，其特征在于：所述方法的步骤为： S1、数据预处理：将原始的IQ信号完成时频转换、频点能量计算及幅度调整后，通过数据融合得到三维时频图； S2、迁移学习的特征提取：将三维时频图输入到预训练后的Resnet神经网络进行图像特征提取； S3、LSTM时序特征提取：将得到的图像特征进行维度转换，并输入到LSTM网络中获得时序特征； S4、将S2获得的图像特征及S3获得的时序特征输入到自注意机制网络中，通过注意力模块分配权重后再结合Linear和log_softmax进行分类，完成干扰信号识别； 所述S1具体为： 1快速傅里叶变换处理：将原始的IQ信号通过快速傅里叶变换处理，完成时频转换，对包含N个均匀采样点的向量s，原始IQ信号的快速傅里叶变换公式为： Z； 其中：； ； 经过快速傅里叶变换后，为任意一个采样点n所代表的信号频率： ； 其中：为采样频率； 2频点能量计算：快速傅里叶变换的输入输出均为IQ复信号数据，且有90度的相差，分别代表复信号的实部和虚部，频点能量计算将各个频点信号的实部和虚部进行取模计算，得到信号矢量在实数域的投影，即信号能量， 快速傅里叶变换后输出的数据为，则频点能量具体计算公式为： ； 3幅度调整：将频点能量取对数，计算公式为： ； 4将采样点n对应的频率形成频点-功率数据：， 5生成三维时频图：将经过上述处理后的连续数据按照固定的时间窗W进行截断，再将连续N个时间窗的数据按照时间维度进行三维化处理，生成三维时频图数据为，计算公式为： ×N； 其中：表示将连续的频点-功率数据按照时间窗W进行截断，得到每个时间窗内的频点-功率数据； ×N表示将N个时间窗的数据在时间维度上堆叠，形成三维时频图； x的维度为：频率f、功率P、时间t。

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天津大学;天津七一二通信广播股份有限公司，其通讯地址为：300072 天津市南开区卫津路92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。