“谭浩月”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]基于多优化的双通道原型网络的小样本辐射源个体识别方法-CN202310188507.3在审
发明人：周峰;王力;徐逸飞;谭浩月;杨鑫瑶;王常龙 -专利权人：西安电子科技大学
申请日： 2023-03-01 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于多优化的双通道原型网络的小样本辐射源个体识别方法，包括：获取待识别的辐射源信号；将待识别的辐射源信号输入预训练的双通道原型网络，预训练的双通道原型网络中的双通道卷积网络输出待识别的辐射源信号的特征向量，预训练的双通道原型网络中的分类网络根据特征向量和各类辐射源信号的聚类中心，确定出待识别的辐射源信号所属的信号类别；其中，双通道卷积网络是根据包含多类辐射源样本信号的训练集中的支持集、查询集，以及用于更新每次训练时辐射源信号的聚类中心和用于关注分类错误的样本的损失函数训练得到的。本发明可以提高识别准确率。
基于优化双通道原型网络样本辐射源个体识别方法

[发明专利]一种基于DeepEMD的少镜头自动调制方式识别方法-CN202310186866.5在审
发明人：周峰;王力;白东升;谭浩月;杨鑫瑶;石晓然 -专利权人：西安电子科技大学
申请日： 2023-03-01 - 公布日： 2023-06-02 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于DeepEMD的少镜头自动调制方式识别方法，所述识别方法包括：获取待识别的信号；利用训练好的DeepEMD网络得到所述待识别的信号的调制类别，其中，训练好的DeepEMD网络利用训练样本集训练得到，DeepEMD网络包括特征向量组提取网络、特征向量组权重生成网络和EMD网络，特征向量组提取网络用于提取特征向量组，特征向量组权重生成网络用于生成特征向量组的权重，EMD网络用于根据所述特征向量组和对应的权重识别信号的调制类别，特征向量组包括若干特征向量。本发明采用的DeepEMD网络充分利用信号的局部信息，同时对每个特征计算权重，保证相关性高的特征在识别中占主导作用，减少噪声干扰。同时也能够在样本匮乏的情况下取得理想结果。
一种基于 deepemd 镜头自动调制方式识别方法

[发明专利]一种基于特征分布的小样本信号调制类型识别方法-CN202211222724.1在审
发明人：王力;周峰;谭浩月;杨鑫瑶;车吉斌 -专利权人：西安电子科技大学
申请日： 2022-10-08 - 公布日： 2023-02-28 - 主分类号： H04L27/00 文献下载
摘要：本发明公开了一种基于特征分布的小样本信号调制类型识别方法，包括：构建信号调制类型识别网络，所述信号调制类型识别网络包括依次连接的信号特征提取模块、分布计算模块和分类器模块；获取训练支撑集和训练查询集；利用所述训练支撑集和所述训练查询集对所述信号调制类型识别网络进行训练，获得经训练的信号调制类型识别网络模型；利用经训练的信号调制类型识别网络对原始信号的调制类型进行识别，获得原始信号的调制类型。本发明的方法在达到更高识别准确率的前提下具备更好的鲁棒性，所构造的识别网络不需要大量的属于待识别调制类型的已标签样本就能获得很好的识别能力，大大减小了标签工作。
一种基于特征分布样本信号调制类型识别方法

[发明专利]一种基于主动学习的通信信号自动调制识别方法及装置-CN202210874715.4在审
发明人：王力;周峰;谭浩月;王常龙;白雪茹 -专利权人：西安电子科技大学
申请日： 2022-07-22 - 公布日： 2022-12-06 - 主分类号： H04L27/00 文献下载
摘要：本发明提供了一种基于主动学习的通信信号自动调制识别方法及装置，通过获取未标签通信信号组成数据集；构建附带损失预测网络的通信信号分类网络；在训练阶段，针对当前迭代次，根据上一迭代次预测的数据集中每个信号样本的目标损失，从数据集中挑选信号样本进行标签加入上一迭代次的训练集中，组成当前迭代次的训练集；从而对通信信号分类网络进行迭代训练，直至标签成本达到阈值；使用训练好的通信信号分类网络，对未知样本的调制类别进行识别，得到未知样本的调制类别。本发明根据每个信号样本对于神经网络训练的价值不同这一基础，用尽可能少的标签样本，训练得到一个具备信号类型识别能力的网络，大大减小了标签成本。
一种基于主动学习通信信号自动调制识别方法装置

[发明专利]一种基于小样本增量学习的SAR图像目标识别方法-CN202210296918.X在审
发明人：周峰;王力;杨鑫瑶;谭浩月;白雪茹 -专利权人：西安电子科技大学
申请日： 2022-03-24 - 公布日： 2022-08-26 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于小样本增量学习的SAR图像目标识别方法，包括：步骤1：构建基于原型思想的深度残差网络；步骤2：利用基类数据集和增量数据集对基于原型思想的深度残差网络分别进行基类训练和增量学习；步骤3：将待测SAR图像输入至训练学习完成的基于原型思想的深度残差网络中，得到待测SAR图像的预测分类结果。本发明的基于小样本增量学习的SAR图像目标识别方法，设计了一种基于原型思想的深度残差网络，该网络即使在图像样本较少的情况下，也能具有自动提取SAR图像特征的能力，与现在技术相比，将SAR图像映射到特征空间内的方法能够一定程度上减少因样本数量缺乏而引起的过拟合现象，提升整体网络对小样本图像的识别能力。
一种基于样本增量学习 sar 图像目标识别方法

[发明专利]基于时空混合特征提取网络的小样本调制信号识别方法-CN202210416209.0在审
发明人：周峰;王力;杨鑫瑶;谭浩月;白雪茹 -专利权人：西安电子科技大学
申请日： 2022-04-20 - 公布日： 2022-08-19 - 主分类号： G06K9/00 文献下载
摘要：本发明一种基于时空混合特征提取网络的小样本调制信号识别方法，包括：构建初始时空混合特征提取网络；将训练小样本调制信号集输入至初始时空混合特征提取网络进行训练得到目标时空混合特征提取网络；将待识别调制信号集输入至目标时空混合特征提取网络进行识别得到待识别调制信号集中每类调制信号的调制类别。本发明可以在小样本数量下依然保证信号调制类别识别的准确率。
基于时空混合特征提取网络样本调制信号识别方法

[发明专利]一种基于增量学习的小样本通信信号自动调制识别方法-CN202210458158.8有效
发明人：周峰;王力;谭浩月;杨鑫瑶;白雪茹 -专利权人：西安电子科技大学
申请日： 2022-04-28 - 公布日： 2022-08-12 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于增量学习的小样本通信信号自动调制识别方法，包括：构建通信信号调制分类网络模型并获取训练样本集；在基类训练阶段，利用基类样本集对通信信号调制分类网络模型进行训练，得到基类训练阶段的网络模型；在增量训练阶段，利用增量样本集对基类训练阶段的网络模型进行训练，得到训练完成的通信信号调制分类网络模型，以利用该训练完成的通信信号调制分类网络模型对待测调制通信信号的调制类别进行预测；其中，在进行增量训练之前，构建扩充样本集，并利用扩充样本集对分类器进行参数初始化。本发明方法能有效提高通信信号调制类型的识别准确率；并且在新类数据集很小的情况下，可以实现良好的新类别识别性能。
一种基于增量学习样本通信信号自动调制识别方法

[发明专利]基于改进原型网络的小样本信号自动调制识别方法-CN202210111305.4在审
发明人：周峰;谭浩月;王力;石晓然;白雪茹 -专利权人：西安电子科技大学
申请日： 2022-01-29 - 公布日： 2022-05-24 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及信号调制识别技术领域，具体涉及基于改进原型网络的小样本信号自动调制识别方法。本发明设计的改进原型神经网络可以将调制信号映射成对信噪比不敏感的嵌入向量，降低了嵌入向量对单个样本信噪比变化的敏感性，有效提高信号调制类型的识别准确率；并在信号调制类型识别中，只需要少量训练样本就能获得较高的准确率。
基于改进原型网络样本信号自动调制识别方法

1
共 8 条