公开(公告)号：CN113705446B

公开(公告)日：2023-04-07

申请号：CN202110997031.9

申请日：2021-08-27

Applicant: 电子科技大学 ,  宜宾电子科技大学研究院

Inventor： 程时远 ,  王卫东 ,  甘露 ,  廖红舒 ,  徐政五

IPC: G06F18/24 ,  G06F18/23213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于信号处理技术领域，具体的说是涉及一种面向辐射源个体的开集识别方法。实际应用场景中，辐射源个体识别系统面对的是开放电磁环境，接收到未被数据库收录的未知类别辐射源信号不可避免，因此辐射源开集识别具有重要的研究意义。本发明是在利用深度神经网络作为辐射源信号特征提取器的基础上，首先设计兼顾分类和聚类效果的联合损失函数，保证神经网络提取的信号深度特征具有良好的分类特性和聚类特性，然后利用训练数据得到的特征向量构造极值分布模型，确定判别阈值，实现判别算法，完成对辐射源信号的高准确率开集识别。

公开(公告)号：CN113705446A

公开(公告)日：2021-11-26

申请号：CN202110997031.9

申请日：2021-08-27

Applicant: 电子科技大学 ,  宜宾电子科技大学研究院

Inventor： 程时远 ,  王卫东 ,  甘露 ,  廖红舒 ,  徐政五

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于信号处理技术领域，具体的说是涉及一种面向辐射源个体的开集识别方法。实际应用场景中，辐射源个体识别系统面对的是开放电磁环境，接收到未被数据库收录的未知类别辐射源信号不可避免，因此辐射源开集识别具有重要的研究意义。本发明是在利用深度神经网络作为辐射源信号特征提取器的基础上，首先设计兼顾分类和聚类效果的联合损失函数，保证神经网络提取的信号深度特征具有良好的分类特性和聚类特性，然后利用训练数据得到的特征向量构造极值分布模型，确定判别阈值，实现判别算法，完成对辐射源信号的高准确率开集识别。