一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法

    公开(公告)号:CN117315311A

    公开(公告)日:2023-12-29

    申请号:CN202311339211.3

    申请日:2023-10-17

    Abstract: 本发明公开了一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法,包括:对原始辐射源调制信号的数据集中的信息进行崔‑威廉斯分布处理,获取时频图;通过时频图对预设初始辨识模型进行训练,获取初始判别结果;根据初始判别结果设计卷尾蜜熊算法,优化训练后的模型,获取最佳辨识模型;利用最佳辨识模型,获取未知辐射源信号辨识结果。本发明搭建衍生卷积自编码器,设计衍生损失,构造判别模型融合方式,融合各模型判别结果,增加未知辐射源判别的鲁棒性,设计卷尾蜜熊算法,构造香气因子,为卷尾蜜熊添加跳跃属性,优化卷尾蜜熊位置,使判别模型阈值随迭代次数不断改进,提升模型的判别能力,增强了未知辐射源信号辨识方法的泛化性和准确性。

    用于频谱监测模型的深度时频去噪变换防御方法

    公开(公告)号:CN119441959A

    公开(公告)日:2025-02-14

    申请号:CN202410296506.5

    申请日:2024-03-14

    Abstract: 一种用于频谱监测模型的深度时频去噪变换防御方法,包括如下步骤:步骤一、构建包括深度去噪模块、变换模块和预训练的自动调制分类模型的深度时频去噪变换防御架构;步骤二、在深度去噪模块中,使用短时傅里叶变换将输入数据样本映射成时频矩阵,放大原始样本xs与对抗样本xa之间的差异,并在特征提取器所提取的深度特征的监督下重构时频域信号;步骤三、将重构的原始样本和对抗样本输入变换模块中,生成特定于样本的变换矩阵Ms和Ma,得到变换后的原始样本#imgabs0#和变换后的对抗样本#imgabs1#步骤四、将变换后的原始样本#imgabs2#和变换后的对抗样本#imgabs3#输入预训练的自动调制分类模型,实现信号的分类决策。

Patent Agency Ranking