公开(公告)号：CN118627002A

公开(公告)日：2024-09-10

申请号：CN202410665997.6

申请日：2024-05-27

Applicant: 南京信息职业技术学院

Inventor： 马敏 ,  桂冠 ,  杨前华 ,  陈婷婷 ,  王智 ,  江婷

IPC: G06F18/25 ,  G06F18/214 ,  G06F18/2131 ,  G06N3/0464 ,  H04L27/00

Abstract: 本发明提出了一种基于深度学习的无人机系统电磁环境特征提取方法，该方法结融合了一致性正则化和伪标签技术，旨在提高无人机信号分类的准确性，该方法特别适用于标注数据稀缺的情况，通过利用未标注数据的内在分布特征来增强有限的标注数据。在训练过程中该方法关注两部分损失函数，对部分有标注数据计算监督损失，对剩余无标注数据计算无监督损失，在神经网络反向传播过程中，这两部分损失函数都参与模型参数的更新优化。这种结合有标注和无标注数据的半监督学习方法，可以有效提升模型在无人机信号分类任务上的精度，特别适用于标注数据稀少的实际应用场景。

公开(公告)号：CN115524677A

公开(公告)日：2022-12-27

申请号：CN202211128267.X

申请日：2022-09-16

Applicant: 南京信息职业技术学院

Inventor： 马敏 ,  杨前华 ,  桂冠 ,  杨光 ,  陈婷婷

IPC: G01S7/41 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的电子信息系统电磁环境特征提取方法，步骤如下：S1、构建多尺度多层次的电磁信号的深度神经网络；S2、将从不同维度中提取到的特征进行特征筛选，并与人工提取的特征进行融合；S3、选取特征融合后不同的电磁信号，用于识别信号的调制方式及调制参数。本发明通过采用基于深度学习的电子信息系统电磁环境特征提取方法，利用深度学习中现有的理论与技术方法，从电磁信息历史数据出发，研究电磁信息在时空频等多维空间上的特点及规律，搭建基于发射机类别与调制方式的电磁环境特征提取模型，能够针对不同维度不同层次的信号，采用不同的神经网络，提取该维度的最优特征，提高计算效率。