申请/专利权人:中国人民解放军海军航空大学
申请日:2023-12-11
公开(公告)日:2024-03-19
公开(公告)号:CN117725479A
主分类号:G06F18/241
分类号:G06F18/241;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种低置信度目标域样本条件下雷达辐射源个体识别方法、装置及计算机设备,主要在于能够提升雷达辐射源语义漂移样本的识别准确率。其中方法包括:采用残差网络建立深度学习网络模型,并使用源域雷达辐射源个体样本对所述网络进行预训练;使用所述网络对目标域样本进行分类预测得到预测概率,并基于一致性阈值得到目标域样本的正负标签;对所述正负标签采用所述网络校准对所述预测标签置信度进行筛选;利用源域真实标签数据和目标域选择的所述正负伪标签数据进行混合训练,选择伪标签不再变化的识别结果作为最终结果。
主权项:1.低置信度目标域样本条件下雷达辐射源个体识别方法,其特征在于,包括:利用加性噪声信道,在目标域中确定雷达辐射源信号模型,根据信号模型提取信号多维特征;采用残差网络建立深度学习网络模型,并使用源域雷达辐射源个体样本对所述网络进行预训练,得到预训练网络参数模型;使用所述网络参数模型对目标域样本进行分类预测得到预测概率,并基于一致性阈值得到目标域样本的正负标签;对所述正负标签采用所述网络校准对所述预测标签置信度进行筛选,选出置信度较高的正负伪标签;利用源域真实标签数据和目标域选择的所述正负伪标签数据进行混合训练,选择伪标签不再变化的识别结果作为最终结果。
全文数据:
权利要求:
百度查询: 中国人民解放军海军航空大学 低置信度目标域样本条件下雷达辐射源个体识别方法、装置及计算机设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。