公开(公告)号：CN115712856A

公开(公告)日：2023-02-24

申请号：CN202211526466.6

申请日：2022-11-30

Applicant: 厦门大学

Inventor： 洪少华 ,  郑亚男 ,  孙海信 ,  齐洁 ,  王琳

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明提出了一种基于CNN‑CBAM‑BDA的跨接收机辐射源识别方法和系统，包括：采集若干不同接收机接收到的信号生成跨接收机辐射源个体识别样本集；对所述样本集进行归一化处理，划分为源域样本和目标域样本，对所述源域的全部样本和所述目标域中部分样本进行标记，并将所述目标域剩余的样本作为待测样本集；构建CNN特征提取模块，并利用所述源域样本数据训练CNN网络，引入CBAM注意力机制进一步提取深层特征。本发明使用了基于卷积神经网络的辐射源个体识别模型，加入了卷积块注意力机制，克服了现有传统技术效率低、普适应弱、精度低的等问题，使得本发明可以自动提取辐射源的深度特征，提高了网络的识别速度和精度。