龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：中国科学院空天信息创新研究院
摘要：本发明提供了一种基于领域知识与深度网络融合的辐射源个体识别方法，属于电磁信息安全领域。所述方法利用RCMDE优异的非线性差异刻画能力来评估信号分解结果是否是最利于个体差异特征提取，其中，采用VMD算法作为信号分解方法，利用类内类间测度评估分解信号；由分解信号计算希尔伯特时频谱图，将个体差异信息通过图像的形式表现出来，并从时频谱图像中进一步提取领域知识特征；提出针对辐射源HOG纹理特征的多尺度一维卷积神经网络，利用提出网络进一步从领域知识特征中提取多尺度的、更深层次的特征。所述方法实现了更加精细的个体差异识别，具有准确的识别结果和鲁棒性，可大大提高同时识别的辐射源个体数量。
主权项：1.一种基于领域知识与深度网络融合的辐射源个体识别方法，其特征在于，包括如下步骤：步骤1、实时采集辐射源设备的时域IQ信号，通过频谱分析分离同频段不同类型的信号，得到目标辐射源设备信号数据；步骤2、对目标辐射源设备信号数据进行暂态起始点检测，截取IQ信号稳态数据；步骤3、基于精细复合多尺度离散熵的分解算法将IQ信号稳态数据分解为个时间模态分量，结合类内类间距离测度获得最优时间模态分解层数；步骤4、对分解后的每个时间模态分量进行希尔伯特变换，得到希尔伯特时频谱图，并从希尔伯特时频谱图截取能量集中区域作为希尔伯特子谱图；步骤5、对每个希尔伯特子谱图提取梯度方向直方图纹理特征，将每个希尔伯特子谱图的梯度方向直方图纹理特征组合后作为领域知识特征向量；步骤6、将得到的领域知识特征向量作为输入，经由多尺度一维卷积神经网络输出多尺度、深层次的特征。
全文数据：
权利要求：
百度查询： 中国科学院空天信息创新研究院 基于领域知识与深度网络融合的辐射源个体识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号