公开(公告)号：CN112183300B

公开(公告)日：2024-03-22

申请号：CN202011012693.8

申请日：2020-09-23

Applicant: 厦门大学

Inventor： 钱韵含 ,  孙海信 ,  齐洁

IPC: G06F18/24 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明给出了一种基于多层次稀疏表示的AIS辐射源识别方法及系统，包括对AIS信号的训练样本进行预处理后，截取训练样本中的有效数据作为原始信号；利用基于深度学习中的注意力机制对输入信号的各个特征通道按重要程度进行加权的方式建立深度神经网络，提取原始信号的浅层特征和深层特征；构建原始信号的原始字典，再利用浅层特征和深层特征对原始字典进行扩充，并降维后得到多层次字典；利用多层次字典对AIS信号的测试样本进行稀疏重构，当稀疏重构误差最小时，对应的AIS信号类别为AIS信号的测试样本所属的辐射源个体。以上方法便于从原始信号中抽取更有利于分类的浅层特征和深层特征，能够获得更高的准确率，并且在小样本情况下依然具有过完备性。

公开(公告)号：CN112183300A

公开(公告)日：2021-01-05

申请号：CN202011012693.8

申请日：2020-09-23

Applicant: 厦门大学

Inventor： 钱韵含 ,  孙海信 ,  齐洁

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明给出了一种基于多层次稀疏表示的AIS辐射源识别方法及系统，包括对AIS信号的训练样本进行预处理后，截取训练样本中的有效数据作为原始信号；利用基于深度学习中的注意力机制对输入信号的各个特征通道按重要程度进行加权的方式建立深度神经网络，提取原始信号的浅层特征和深层特征；构建原始信号的原始字典，再利用浅层特征和深层特征对原始字典进行扩充，并降维后得到多层次字典；利用多层次字典对AIS信号的测试样本进行稀疏重构，当稀疏重构误差最小时，对应的AIS信号类别为AIS信号的测试样本所属的辐射源个体。以上方法便于从原始信号中抽取更有利于分类的浅层特征和深层特征，能够获得更高的准确率，并且在小样本情况下依然具有过完备性。