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！

申请/专利权人：西南交通大学

摘要：本发明涉及辐射源识别技术领域，涉及一种未知辐射源识别方法、装置、设备及可读存储介质，所述方法包括获取辐射源信息和预设的对抗神经网络模型；将辐射源信息进行特征提取，得到特征向量；根据特征向量划分训练集和测试集，并根据训练集确定锚样本、正样本和负样本；根据锚样本、正样本和负样本对预设的对抗神经网络中的分类器的损失函数进行优化，得到第一损失函数；根据第一损失函数、测试集和训练集对预设的对抗神经网络模型进行训练，得到训练后的对抗神经网络模型；将每个客户端训练后的对抗神经网络模型进行联邦学习，得到全局模型，本发明对神经网络的损失函数进行优化，提高了训练集中样本特征的聚集性，使神经网络的识别精度更高。

主权项：1.一种未知辐射源识别方法，其特征在于，包括：获取辐射源信息和预设的对抗神经网络模型，所述辐射源信息为至少一个客户端接收的辐射源对应的同相正交信号；将所述辐射源信息进行特征提取，得到特征向量；根据所述特征向量划分训练集和测试集，并根据所述训练集确定锚样本、正样本和负样本；根据所述锚样本、所述正样本和所述负样本对所述预设的对抗神经网络中的分类器的损失函数进行优化，得到第一损失函数；根据所述第一损失函数、所述测试集和所述训练集对所述预设的对抗神经网络模型进行训练，得到训练后的对抗神经网络模型；将每个客户端所述训练后的对抗神经网络模型进行联邦学习，得到全局模型，所述全局模型用于对辐射源进行识别；其中，根据所述锚样本、正样本和负样本对所述预设的对抗神经网络中的分类器的损失函数进行优化，包括：获取预设的损失函数，所述预设的损失函数为标准交叉熵损失函数；根据所述锚样本、所述正样本和所述负样本计算三元损失函数的损失值；根据所述三元损失函数的损失值对所述预设的损失函数进行优化，得到第一损失函数；其中，根据所述三元损失函数的损失值对所述预设的损失函数进行优化，得到第一损失函数后，还包括：获取特征空间的特征中心向量，所述特征空间的特征中心向量对应训练集中的一个样本类别；对预设的对抗神经网络模型进行i次迭代训练后，计算所述特征空间的中心向量的均值，得到第一特征中心向量；对预设的对抗神经网络模型进行i-1次迭代训练后，计算所述特征空间的中心向量的均值，得到第二特征中心向量；计算所述第一特征中心向量和所述第二特征中心向量的相似度，得到相似度信息；根据所述相似度信息确定更新特征中心的权重并对第一特征中心向量进行更新，得到更新后的特征中心向量；根据所述更新后的特征中心向量对第一损失函数进行优化；其中，根据所述更新后的特征中心向量对第一损失函数进行优化，包括：根据所述更新后的特征中心向量确定特征中心向量对应的类别，得到类别信息；根据所述类别信息建立第三优化函数；根据所述第三优化函数对所述第一损失函数进行优化，得到第二损失函数；其中，根据所述类别信息建立第三优化函数，包括：当所述类别信息为已知类别时，根据所述更新后的特征中心向量建立第一优化函数，所述第一优化函数用于减少测试集中包括的样本与更新后的特征中心向量的距离；其中，第一优化函数为： 上式中，Dknow表示更新后的特征中心向量与训练集的第k类特征中心间的距离的均值，nknow表示第i次迭代所有分类结果可靠且被分类为已知类的目标样本数目，1·为指示函数，在输入为true时返回1，否则返回0，表示测试集的第j个样本对应的标签，d·表示距离计算公式，Cs表示训练集的类别数量；当所述类别信息为未知类别时，获取每个样本类别对应的更新后的特征中心向量；根据每个所述样本类别对应的更新后的特征中心向量建立第二优化函数，所述第二优化函数用于增加测试集中包括的样本与所有样本类别对应的更新后的特征中心向量之间的最小值；其中，第二优化函数为： 上式中，nunknow表示第i次迭代所有分类结果可靠且被分类为未知类的目标样本数目，Dunknow表示表示更新后的特征中心向量与训练集中所有类别特征中心的距离最小值的均值，d·表示距离计算公式，Ds表示训练集，表示测试集的第j个样本，表示分类器对测试集的第j个样本迭代i次的结果；根据所述第一优化函数和所述第二优化函数确定第三优化函数；其中，第三优化函数具体为：LCDA＝max0，Dknow-Dunknow+marginCDA上式中，LCDA·表示跨域子域对齐损失，marginCDA表示阈值常数，Dknow更新后的特征中心向量与训练集的第k类特征中心间的距离均值，Dunknow表示更新后的特征中心向量与训练集中所有类别特征中心的距离最小值的均值；其中，第二损失函数具体为： 上式中，M表示每批次输入网络的辐射源信号样本数目，Lcel表示标准交叉熵损失，GF表示分类器，表示训练集的第i个样本，表示第i个样本对应的标签，α为比例因子，Ltri·表示三元损失函数的损失，表示在本批次样本中构造的三元组集合，A表示锚样、p表示正样本，N表示负样本，β同样为比例因子，用于控制网络关注跨域子域对齐损失的程度，LCDA·表示跨域子域对齐损失，Ω0表示本批次样本集合。

全文数据：

权利要求：

百度查询： 西南交通大学 一种未知辐射源识别方法、装置、设备及可读存储介质