公开(公告)号：CN119003991A

公开(公告)日：2024-11-22

申请号：CN202411202515.X

申请日：2024-08-29

Applicant: 东南大学

Inventor： 李煊鹏 ,  孙森 ,  刘昌霖 ,  周子楠

IPC: G06F18/10 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种辐射源个体识别模型快速修正方法，所述方法包括以下步骤：步骤1：提出损失最大化的噪声注入机制，步骤2：多阶段模型修复与性能优化，步骤3：双重教师模型的知识蒸馏策略，步骤4：优化目标函数。该方案通过生成损失最大化的噪声干扰原始模型，该方法能够有效地忘记被投毒的类别，并通过知识蒸馏技术从有能和无能教师模型中传递知识，修复并优化模型在剩余数据集上的性能。

公开(公告)号：CN115953807A

公开(公告)日：2023-04-11

申请号：CN202211256560.4

申请日：2022-10-13

Applicant: 东南大学

Inventor： 周子楠 ,  李煊鹏 ,  卢一凡 ,  嵇志康 ,  张叶茁

IPC: G06V40/12 ,  G06V10/774 ,  G06V10/764 ,  G06T3/40 ,  G06T5/10

Abstract: 本发明公开了一种辐射源个体指纹特征提取方法，基于递归不变风险最小化框架，将经过时频特征提取过的各类辐射源脉冲样本信号作为输入，对每类辐射源的随机调制方式样本进行剔除，构造出训练样本和测试样本存在分布偏移的数据集。训练样本会按照一定的顺序，将每个辐射源样本输入到深度神经网络进行训练。框架会保存每个辐射源样本训练得到的模型用于下一个辐射源的样本的训练，每次训练时使用的预训练模型均为上一个辐射源样本的生成模型，直到所有辐射源样本均参与了模型的生成。这种框架可以引导神经网络学习到除去脉冲信号调制方式不同的更细微的个体指纹特征。本发明对辐射源个体识别技术的泛化性和应用前景具有重要意义。

公开(公告)号：CN115563465A

公开(公告)日：2023-01-03

申请号：CN202211155942.8

申请日：2022-09-22

Applicant: 东南大学

Inventor： 张叶茁 ,  李煊鹏 ,  周子楠 ,  郑全中

IPC: G06F18/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向辐射源个体识别的特征编码方法，基于格拉姆角和/差场变换，将IQ两路采样的辐射源电磁信号进行编码处理。将信号的实部、虚部以及幅度特征序列，分别进行格拉姆角和/差场变换，得到包含采样点间时域、频域相关特征矩阵。所获得的编码特征可作为深度神经网络输入，通过训练所获模型实现辐射源个体识别。本发明为针对雷达、通信等多种电磁信号的时域、频域特征提取提供了思路，为面向各类辐射源的个体识别任务提供了数据预处理的解决方案。相对传统编码方法，本发明对于辐射源IQ两路采集信号的特征提取效果更佳，且具有识别精度高、信号适用范围广的特征，对电子对抗等辐射源个体识别应用具有重要意义。