公开(公告)号：CN113052126B

公开(公告)日：2022-09-06

申请号：CN202110387161.0

申请日：2021-04-08

Applicant: 北京理工大学

Inventor： 张焱 ,  何遵文 ,  刘鹏程 ,  张万成 ,  聂锦波

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的双阈值开集信号调制识别方法，属于辐射源识别技术领域。所述方法包括：1)数据集抽取信号，进行特征降维，选择输出效果最好的倒数第二个全连接层的输出；2)输入信号，得到1)输出的64维特征；3)第一次阈值方法来对未知信号进行与底库进行匹配；4)随后按类别统计不同的种类下与输入样本成功匹配的底库样本数量；5)随后根据匹配样本数量的种类最大值与第二阈值比较，确定匹配的种类；6)得到识别调制的信号，还有一部分未知调制方式的信号，再将输出的未知信号作为一个集合；7)将未知信号集合输入孪生神经网络进行迭代聚类，最终识别分类的不同种类未知信号集合。所述方法具有运算简单和识别精度较高的优点。

公开(公告)号：CN113052126A

公开(公告)日：2021-06-29

申请号：CN202110387161.0

申请日：2021-04-08

Applicant: 北京理工大学

Inventor： 张焱 ,  何遵文 ,  刘鹏程 ,  张万成 ,  聂锦波

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度学习的双阈值开集信号调制识别方法，属于辐射源识别技术领域。所述方法包括：1)数据集抽取信号，进行特征降维，选择输出效果最好的倒数第二个全连接层的输出；2)输入信号，得到1)输出的64维特征；3)第一次阈值方法来对未知信号进行与底库进行匹配；4)随后按类别统计不同的种类下与输入样本成功匹配的底库样本数量；5)随后根据匹配样本数量的种类最大值与第二阈值比较，确定匹配的种类；6)得到识别调制的信号，还有一部分未知调制方式的信号，再将输出的未知信号作为一个集合；7)将未知信号集合输入孪生神经网络进行迭代聚类，最终识别分类的不同种类未知信号集合。所述方法具有运算简单和识别精度较高的优点。