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混合专家模型的知识蒸馏及通信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：CN119652715B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202411808888.1，技术领域涉及：H04L27/00；该发明授权一种基于混合专家模型的知识蒸馏及通信调制识别方法是由唐晓刚;邢鸿基;方胜良;刘力天;张斌权;王璐;李月朋;高明慧;潘协昭设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种基于混合专家模型的知识蒸馏及通信调制识别方法在说明书摘要公布了：本发明提供了一种基于混合专家模型的知识蒸馏及通信调制识别方法，属于通信领域，解决了通信调制识别模型日益增大及信号干扰问题，包括：按信噪比切割训练集对初始专家模型进行训练，得到训练好的能够通信调制识别的混合专家模型；通过训练集和混合专家模型对初始选择模型进行训练；若未对混合专家模型进行赋权则利用T‑softmax识别与训练集匹配的最优专家模型，得到训练好的选择模型，并集成得到教师模型；若赋权则通过聚合模型输出教师模型的输出结果；通过最优专家模型、训练集和教师模型的输出结果对初始学生模型进行训练，得到训练好的能够通信调制识别的学生模型。本发明通过训练好的学生模型实现了模型轻量化并提高了低信噪比的识别率。

本发明授权一种基于混合专家模型的知识蒸馏及通信调制识别方法在权利要求书中公布了：1.一种基于混合专家模型的知识蒸馏及通信调制识别方法，其特征在于，包括：步骤一、采用不重复随机抽样的方法对无线通信领域数据集中的信号按照预设比例进行划分提取，切割为训练集、验证集和测试集；步骤二、通过Adam优化器和交叉熵损失函数构建第一训练模块，通过Adam优化器和知识蒸馏损失函数构建第二训练模块；通过在卷积层中加入批归一化与全连接层分别构建初始专家模型、初始选择模型和初始学生模型；所述初始专家模型、初始学生模型及初始选择模型中卷积层和全连接层对应的层数维度逐渐减少；通过pytorch中的hook函数在初始学生模型的层间设置与初始专家模型中间层关联的关联点；步骤三、按照训练集中的信噪比，将训练集进行切割，得到多个训练子集；使用第一训练模块，通过多个训练子集分别对初始专家模型进行训练，得到训练好的能够通信调制识别的多个专家模型，多个专家模型组成混合专家模型；步骤四、使用第一训练模块，通过训练集和混合专家模型对初始选择模型进行训练，若选择模型未对混合专家模型进行赋权，则利用T-softmax函数，识别与训练集匹配的最优专家模型，得到训练好的选择模型；将混合专家模型与训练好的选择模型集成，得到教师模型；若选择模型对混合专家模型进行赋权，则通过聚合模型，将选择模型输出权重与专家模型输出权重加权求和，输出概率最高的识别结果，所述识别结果为教师模型的输出结果；其中，T-softmax函数为： 其中，pT-i为知识蒸馏结果识别率分布；i为单个信号目标；T为温度参数，取值范围为0T1；pi为原教师单个输出信号目标识别率；pj为原教师输出的所有信号目标识别率；n为执行预测总数；步骤五、使用第二训练模块，通过最优专家模型的关联点和训练集对初始学生模型进行训练，得到训练好的能够通信调制识别的学生模型的中间层；再使用第二训练模块，通过教师模型的输出结果和训练集对初始学生模型的输出结果进行训练，与训练好的中间层组成训练好的能够通信调制识别的学生模型；步骤六、迭代步骤五，达到预设次数后，学生模型的内部数据锁定，利用验证集对学生模型进行验证，若第二训练模块中的知识蒸馏损失函数收敛且均方误差值出现过拟合时，停止验证，得到合格的学生模型；将测试集输入合格的学生模型中，输出通信调制识别结果。

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1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”。