[發明專利]基于遷移學習的被動雷達外輻射源信號識別方法有效
| 申請號： | 201810239621.3 | 申請日： | 2018-03-22 |
| 公開（公告）號： | CN108508411B | 公開（公告）日： | 2022-04-08 |
| 發明（設計）人： | 汪清;杜攀非;劉文斌;賀爽 | 申請（專利權）人： | 天津大學 |
| 主分類號： | G01S7/02 | 分類號： | G01S7/02 |
| 代理公司： | 天津市北洋有限責任專利代理事務所 12201 | 代理人： | 劉國威 |
| 地址： | 300072*** | 國省代碼： | 天津;12 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 遷移 學習 被動 雷達 輻射源 信號 識別 方法 | ||
【權利要求書】：
1.一種基于遷移學習的被動雷達外輻射源信號識別方法，其特征是，首先在一個采樣頻率數據集上訓練得到一個模型作為基礎網絡，然后將基礎網絡的模型和參數直接遷移到不同采樣頻率的數據集目標域，做微調訓練，基礎網絡使用含3層卷積和兩層全連接層的神經網絡模型；
數據集產生，使用矢量信號產生儀產生包括調頻信號FM,移動通信系統信號GSM,長期演進信號LTE,寬帶碼分多址WCDMA,藍牙Bluetooth和包括五種不同的無線局域網信號WLAN-ac、WLAN-a/g/j/p、WLAN-g、WLAN-b/g、WLAN-n的10種協議信號作為數據集；
參數遷移步驟如下：
步驟1:選擇識別模型為包含三層卷積和兩層全連接層的神經網絡架構A，訓練網絡并保存模型和參數P作為基礎網絡；
步驟2:將基礎網絡的前n層作為目標網絡的前n層，用參數P初始化前n層；
步驟3:隨機初始化目標網絡剩余的層即初始化全連接層；
步驟4:將目標網絡在目標域不同采樣率數據集重新訓練。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于天津大學，未經天津大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810239621.3/1.html，轉載請聲明來源鉆瓜專利網。
