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！

龙图腾网获悉杭州市滨江区浙工大人工智能创新研究院申请的专利一种基于非对称双视图增强与AD-HCL损失的小样本鲁棒调制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：CN121239536B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511786456.X，技术领域涉及：H04L27/00；该发明授权一种基于非对称双视图增强与AD-HCL损失的小样本鲁棒调制识别方法是由周锦超;朱龙飞;刘森龙;白松航;尹鹏;徐鑫杰;陈壮志;司光振;潘磊;宣琦设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种基于非对称双视图增强与AD-HCL损失的小样本鲁棒调制识别方法在说明书摘要公布了：本发明公开了一种基于非对称双视图增强与AD‑HCL损失的小样本鲁棒调制识别方法，属于无线通信信号自动调制识别技术领域。解决现有技术对大规模标记数据依赖强、在复杂电磁环境下鲁棒性不足及未充分利用无标签数据的问题。技术方案要点包括：构建融合卷积残差网络、双向长短期记忆网络和注意力机制的深度神经网络用于特征提取；采用非对称双视图数据增强和AD‑HCL损失函数对网络进行无监督预训练；通过移除投影头并连接新分类器，使用少量标记数据进行有监督微调。本发明能有效利用无标签数据，在小样本条件下实现高精度和鲁棒的调制识别。

本发明授权一种基于非对称双视图增强与AD-HCL损失的小样本鲁棒调制识别方法在权利要求书中公布了：1.一种基于非对称双视图增强与AD-HCL损失的小样本鲁棒调制识别方法，其特征在于，包括以下步骤： S1、构建深度神经网络模型，深度神经网络模型融合卷积残差网络、双向长短期记忆网络和注意力机制，用于从无线电IQ信号中提取特征表示； 在S1中，为双向长短期记忆网络输出的每个时间步计算注意力权重； 将注意力权重与对应时间步的输出进行加权求和； 将所有头的加权求和结果拼接形成最终的特征表示向量； S2、利用大量未标注的无线信号数据，对所述深度神经网络模型进行无监督对比学习预训练，其中通过非对称双视图数据增强策略生成正样本对，并采用AD-HCL损失函数拉近正样本对的特征距离、推远负样本对的特征距离； 在S2中，所述非对称双视图数据增强策略的过程包括： 对每条原始IQ信号生成两个差异化增强视图； 视图一通过加性高斯噪声模型生成，模拟白噪声环境； 视图二通过依次实施相位旋转与幅度扰动生成，模拟载波频偏和接收机增益变化；在S2中，所述AD-HCL损失函数的过程包括： 硬负样本加权机制，对高相似度负样本赋予更大权重，以提升对难区分样本的判别能力； 去偏修正机制，在对比损失中加入修正项，以减轻类别不均衡造成的估计偏差； S3、在完成无监督预训练后，移除预训练阶段的投影头，加载预训练得到的网络参数，并连接一个新的分类器层，利用少量带标签的已知调制类别样本，对模型进行有监督微调训练，得到自动调制识别模型。

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杭州市滨江区浙工大人工智能创新研究院，其通讯地址为：310056 浙江省杭州市滨江区长河街道湖西路575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。