公开(公告)号：CN114492604A

公开(公告)日：2022-05-13

申请号：CN202210027209.1

申请日：2022-01-11

Applicant: 电子科技大学

Inventor： 蒋季宏 ,  赵博 ,  梁沛阳 ,  杨柳 ,  邵怀宗 ,  潘晔

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明提出一种小样本情景下的辐射源个体识别方法，将基于不同时频分析方法下提取到的信号时频特征分别输入进神经网络中进行训练，待模型收敛后提取神经网络全连接层输出的特征进行融合，然后基于注意力机制完成融合后特征的优化，再将优化后的融合特征作为辐射源个体间的指纹特征应用于辐射源个体的识别任务，并采用随机搜索策略对使用优化后的融合特征训练的网络进行超参数调优。本发明通过特征提取的选择及组合、特征融合处理、融合后特征优化以及超参数搜索策略缓解了基于小样本的辐射源个体识别任务中数据特征不足、训练严重过拟合以及识别准确率低下的问题，提高了小样本情境下辐射源个体识别准确率，改善了神经网络性能。

公开(公告)号：CN113177558B

公开(公告)日：2022-06-14

申请号：CN202110395018.6

申请日：2021-04-13

Applicant: 电子科技大学

Inventor： 蒋季宏 ,  林静然 ,  杨健 ,  张伟 ,  邵怀宗 ,  潘晔 ,  利强 ,  胡全

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06F17/14 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于小样本的特征融合的辐射源个体识别方法，属于数据处理技术领域，将基于不同时频分析方法下提取到的个体信号时频特征作为特征融合来源，将这些特征进行基于单域预训练准确率和随机高斯测量矩阵的融合预处理，并将融合预处理后的特征在不同通道上完成特征拼接，从而输入神经网络，完成辐射源个体的识别任务。

公开(公告)号：CN113177558A

公开(公告)日：2021-07-27

申请号：CN202110395018.6

申请日：2021-04-13

Applicant: 电子科技大学

Inventor： 蒋季宏 ,  林静然 ,  杨健 ,  张伟 ,  邵怀宗 ,  潘晔 ,  利强 ,  胡全

IPC: G06K9/46 ,  G06K9/62 ,  G06F17/14 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于小样本的特征融合的辐射源个体识别方法，属于数据处理技术领域，将基于不同时频分析方法下提取到的个体信号时频特征作为特征融合来源，将这些特征进行基于单域预训练准确率和随机高斯测量矩阵的融合预处理，并将融合预处理后的特征在不同通道上完成特征拼接，从而输入神经网络，完成辐射源个体的识别任务。