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！

龙图腾网恭喜长春理工大学申请的专利一种基于深度优化自适应注意力机制的射频指纹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：CN119485323B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202510068653.1，技术领域涉及：H04W12/79；该发明授权一种基于深度优化自适应注意力机制的射频指纹识别方法是由刘旭;罗梦豪;底晓强;祁晖;李锦青;王宇设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于深度优化自适应注意力机制的射频指纹识别方法在说明书摘要公布了：本发明涉及数据处理技术领域，且公开了一种基于深度优化自适应注意力机制的射频指纹识别方法,包括:通过接收目标设备射频信号，对其进行下变频、滤波和数字化采样，得到原始IQ数据样本；对所述原始IQ样本进行预处理以得到训练数据集；将所述训练数据集输入卷积神经网络进行预训练得到预训练模型；对所述预训练模型进行微调得到下游任务模型；使用所述下游任务模型对未知设备数据进行分类识别。通过时间窗分割和特征增强实现了提升射频信号的清晰度和一致性同时减少了噪声和干扰的影响的效果；通过差异化注意力机制模块实现了提升模型在复杂环境下对多尺度和关键特征的捕捉能力的效果。

本发明授权一种基于深度优化自适应注意力机制的射频指纹识别方法在权利要求书中公布了：1.一种基于深度优化自适应注意力机制的射频指纹识别方法，其特征在于,包括:S1：通过接收目标设备射频信号，对其进行下变频、滤波和数字化采样，得到原始IQ数据样本；S2：对所述原始IQ数据样本进行预处理以得到训练数据集；S3：将所述训练数据集输入卷积神经网络进行预训练得到预训练模型；S4：对所述预训练模型进行微调得到下游任务模型；S5：使用所述下游任务模型对未知设备数据进行分类识别；所述S2包括:S21:提取所述原始IQ数据样本的瞬时幅度特征向量和瞬时相位特征向量；S22：对所述瞬时幅度特征向量和瞬时相位特征向量进行时间窗分割；S23：基于分割后的瞬时幅度特征向量和瞬时相位特征向量进行特征增强；S24:对增强后的所述瞬时幅度特征向量和瞬时相位特征向量重构得到IQ数据,并对所述IQ数据进行短时傅里叶变化处理得到训练数据集；所述S22具体为：S221：分别计算每个时间步的瞬时幅度特征和瞬时相位特征与其后一时间步的变化率,取其绝对值,以得到每个时间步的幅度和相位的变化率；S222：对于每个时间步，计算瞬时幅度特征和瞬时相位特征变化率的平均值，以得到每个时间步的平均变化率；S223：计算所有时间步的平均变化率的总和，并求出其平均值作为全局变化率阈值；S224：构建首个时间窗口，若首个时间步的平均变化率大于全局变化率阈值，则进入S225，否则进入S226；S225：扩展当前时间窗口，直至当前时间步的平均变化率小于等于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，在下一个时间窗口内持续扩展直至平均变化率大于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，重复S225直至遍历所有时间步；S226：扩展当前时间窗口，直至当前时间步的平均变化率大于全局变化率阈值时停止当前窗口的扩展，并构建下一个时间窗口，在下一个时间窗口内持续扩展直至平均变化率小于等于全局变化率阈值时停止当前窗口的扩展,并构建下一个时间窗口，重复S226直至遍历所有时间步；所述S23具体为：S231：计算每个窗口的能量和方差；S232：对所述能量和方差进行归一化处理以得到能量权重和方差权重；S232：结合能量权重和方差权重，计算每个时间窗口的综合权重并对其进行归一化处理以得到归一化后的综合权重；S234：根据所述归一化后的综合权重对每个窗口的瞬时幅度特征和瞬时相位特征进行加权和放大处理以得到增强后的特征。

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长春理工大学，其通讯地址为：130012 吉林省长春市朝阳区南湖街道卫星路7089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”。