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：中国人民解放军国防科技大学
摘要：本发明公开了一种基于自适应特征蒸馏原型回放的类增量调制识别方法，涉及通信信号处理方法技术领域。所述方法包括如下步骤：设计一个混合结构的深度神经网络对调制信号进行特征提取；类增量学习任务及训练测试数据集划分；类增量学习模型的训练及超参数更新：设置类增量学习模型的训练参数和初始化范例集，每个任务训练完成后，判断是否还有任务未完成，如果有则进行下一个任务的训练，反之输出模型和相关参数；分类器设计与调制分类。本申请所述方法可以在保存少量的样本情况下，通过对原型参数的限制，缓解深度学习模型对于调制识别领域的灾难性遗忘的问题，对调制信号具有高识别性能。
主权项：1.一种基于自适应特征蒸馏原型回放的类增量调制识别方法，其特征在于包括如下步骤：S101，深度学习特征提取网络模型设计：针对调制信号为单通道输入且信号数据前后存在关联的时序特征，对每个信号数据进行多模态计算，设计一个混合结构的深度神经网络对调制信号进行特征提取；S102，类增量学习任务及训练测试数据集划分：将整个数据集划分为n个任务，选取一个任务作为初始任务，即原始模型的学习的任务，增量的学习就按照一个任务完成后接着下一个任务实现；对于每个任务中的各类样本信号，将信号进行多模态的计算后，与原始的样本组合成新的信号集合，并按照一定的比例划分为训练集和测试集；S103，类增量学习模型的训练及超参数更新：设置类增量学习模型的训练参数和初始化范例集，循环获取每个任务的训练数据集后，任意选取一个任务作为训练原始模型的任务，并将剩余任务用于增量学习，每个任务学习前都需要对范例集进行压缩，对特征提取模型的输出层进行增量的更新以及学习后进行范例集的保存；每个任务训练完成后，判断是否还有任务未完成，如果有则进行下一个任务的训练，反之输出模型和相关参数；S104，分类器设计与调制分类：每个任务完成之后，利用训练好的模型参数，分别计算测试集中每个样本的特征向量、范例集中的每类信号的平均特征向量，进行比较两者之前的高斯核获取测试集中每个样本的调制类别。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于自适应特征蒸馏原型回放的类增量调制识别方法
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