公开(公告)号：CN116383603A

公开(公告)日：2023-07-04

申请号：CN202310019675.X

申请日：2023-01-06

申请人： 山东大学

发明人： 熊海良 ,  廖志伟 ,  钟万福 ,  许玉丹 ,  邬紫健 ,  任凯久 ,  孙鹏 ,  杨刚强

IPC分类号： G06F18/10 ,  G06F18/213 ,  G06F18/21 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06F18/24

摘要： 本发明涉及强对抗环境下基于深度学习的混合电磁威胁制式识别方法与系统，包括：获取深度学习模型训练所需的完备数据集；训练一个信号重构模型，对被干扰的信号进行重构得到发送端发送的原始信号；对差值信号进行盲检测，得到辐射源的数量；对信号数据进行预处理操作；开展混合辐射源信号盲源分离；将输入的调制信号序列转换为IQ信号或者AP信号；利用辐射源信号自动盲调制方式识别模型，进行自动盲调制方式识别；利用信道编码特征提取模块，构造成各种编码方式的特征向量；利用辐射源信道编码类型识别模型，进行信道编码类型识别，实现了在强对抗环境下对混合的非法电磁信号、干扰的智能识别和监测。

公开(公告)号：CN115828085A

公开(公告)日：2023-03-21

申请号：CN202211726222.2

申请日：2022-12-30

申请人： 山东大学

发明人： 熊海良 ,  钟万福 ,  廖志伟 ,  许玉丹 ,  崔翔 ,  赵佳琛 ,  谷明月 ,  张通

IPC分类号： G06F18/213 ,  G06F18/24 ,  G06F18/214 ,  G06N3/084 ,  G06N3/0464

摘要： 本发明公开了一种联合迁移学习和监督学习的电磁谱辐射源智能识别方法，包括如下步骤：使用图像分类预训练CNN模型作为特征提取网络，使用具有线性拟合特性的监督机器学习模型作为分类网络，最后将二者依次级联组成电磁谱辐射源智能识别模型；采集空间电磁谱辐射源信号数据，并对辐射源信号进行时频分析，获取信号的频谱图像，建成电磁谱图像数据库；对数据库中的频谱图像进行预处理以强化特征，然后按照一定比例将数据库划分为训练集、验证集和测试集；模型的训练与测试；利用得到的模型进行电磁谱辐射源的智能识别；本发明所公开的方法能够减少模型的训练时间，降低计算复杂度，可以准确地对辐射源信号进行检测分类。