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！

龙图腾网恭喜中国人民解放军军事航天部队航天工程大学申请的专利一种基于复数神经网络的信号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：CN119155145B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411297259.7，技术领域涉及：H04L27/00；该发明授权一种基于复数神经网络的信号调制识别方法是由徐照菁;方胜良;范有臣;马淑丽;董尧尧;侯顺虎;李钰海;牛誉霏;谢佳璇;付友;易流;李高星;张书雅;李锦暄设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种基于复数神经网络的信号调制识别方法在说明书摘要公布了：本发明涉及无线电通信技术领域，具体公开了一种基于复数神经网络的信号调制识别方法，包括：步骤S110，获取训练样本；步骤S120，将训练样本中的信号按照预设比例划分为训练集和验证集；步骤S130，构建信号调制识别模型；步骤S140，使用训练集对信号调制识别模型进行训练，并保存每轮训练后获得的模型参数；步骤S150，使用验证集对应用于各模型参数的信号调制识别模型进行验证，选取在验证集上识别准确率最高的模型参数作为最优模型参数；步骤S140，将待识别调制方式的通信信号输入应用最优模型参数的信号调制识别模型中，输出预测类别概率，并将预测类别概率的最大值所对应的类别标签为最终识别调制类别。

本发明授权一种基于复数神经网络的信号调制识别方法在权利要求书中公布了：1.一种基于复数神经网络的信号调制识别方法，其特征在于，包括：步骤S110，获取训练样本；所述训练样本为已经标注调制类别标签的通信调制信号；步骤S120，采用不重复随机抽样的方法将所述训练样本中的信号按照预设比例划分为训练集和验证集；步骤S130，构建信号调制识别模型，所述信号调制识别模型包括数据增强模块、复数卷积层、复数批量归一化层、复数激活函数、复数深度可分离卷积模块、复数通道注意力机制、复数全局平均池化层、复数全连接层；步骤S140，基于自适应矩估计优化算法和交叉熵损失函数，使用所述训练集对所述信号调制识别模型进行训练，并保存每轮训练后获得的模型参数；步骤S150，使用所述验证集对应用于各所述模型参数的所述信号调制识别模型进行验证，选取在所述验证集上识别准确率最高的模型参数作为最优模型参数得到；步骤S160，将待识别调制方式的通信信号输入应用所述最优模型参数的信号调制识别模型中，输出预测类别概率，并将所述预测类别概率的最大值所对应的类别标签为最终识别调制类别；所述步骤S130包括：步骤S131，将第一数据输入所述数据增强模块，得到第二数据；所述第一数据的数据格式为N×2×M，所述第二数据的数据格式为4N×2×M；步骤S132，将所述第二数据输入第一复数卷积层、第一复数批量归一化层和复数激活函数，得到第一特征；所述第一特征的数据格式为4N×16×32；步骤S133，将所述第一特征输入第二复数卷积层和第二复数批量归一化层进行特征提取得到第二特征；所述第二特征的数据格式为4N×32×61；步骤S134，将所述第二特征输入第一复数深度可分离卷积模块和第二复数深度可分离卷积模块提取特征得到第三特征；所述第三特征的数据格式为4N×128×16；步骤S135，将所述第三特征输入复数通道注意力机制得到加权处理后的第四特征；所述第四特征的数据格式为4N×128×16；步骤S136，将所述第四特征输入复数全局平均池化层得到每个通道的平均特征；所述平均特征的数据格式为4N×128×1；步骤S137，将所述平均特征输入复数全连接层后输出预测类别概率；所述预测类别概率的数据格式为N×N调制方式；其中，N调制方式为训练样本中调制方式的类别数量，M为在同向或正交分量上的采样数，N为整数。

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”。