申请/专利权人：西安电子科技大学

申请日：2021-05-18

公开（公告）日：2024-04-05

公开（公告）号：CN113435246B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06F18/10;G06N3/06;G06F18/25;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.10.15#实质审查的生效;2021.09.24#公开

摘要：本发明属于电子对抗中辐射源个体识别技术领域，公开了一种辐射源个体智能识别方法、系统及终端，所述辐射源个体智能识别方法首先提取辐射源个体的差分星座图，模糊函数代表性切片和矩形积分双谱图作为初级特征，通过脉冲耦合神经网络对初级特征进行像素级融合，最后通过深度多重宽残差网络实现了辐射源个体的智能识别。本发明通过脉冲耦合神经网络对辐射源个体的时频域特征与调制域特征融合，保证了特征的全面性，有效解决了辐射源个体指纹特征受噪声的影响大和自适应性比较差的问题，利用深度网络训练融合后的特征，克服了指纹特征的不稳定性，在低信噪比下辐射源个体识别性能良好。

主权项：1.一种辐射源个体智能识别方法，其特征在于，所述辐射源个体智能识别方法包括：首选接收机接收辐射源信号，提取辐射源个体的差分星座图，模糊函数代表性切片和矩形积分双谱图作为初级特征；然后通过脉冲耦合神经网络对初级特征进行像素级融合；最后将融合特征输入深度多重宽残差网络中，实现辐射源个体的智能识别；所述通过脉冲耦合神经网络对初级特征进行像素级融合具体方法如下：1接收域Y通道接收邻域神经元的脉冲输入差分星座图，外部刺激F通道分别输入模糊函数代表性切片和矩形积分双谱图，模型结构如下所示： 其中，参数af为衰减系数，模拟随时间的指数衰减特性，VL是连接L通道输入的幅值，Wijkl为神经元与周围连接的权值，Uij类似于神经网络内部的隐藏层；2将上一步接收域的输出L与外部刺激F相乘，公式如下所示：Uijn＝Fijn·βLijn+1；其中，β是神经元连接强度；3脉冲生成器由可变阈值和硬阈值函数组成；脉冲输入是否激活，也就代表着神经元是否点火，而这取决于得到的U是否能够超过动态阈值E；如果动态阈值E小于内部活动U，神经元点火的同时阈值也变大从而对下一次点火有阻碍作用；否则，脉冲生成器关闭；其表达式为： 其中，T为总点火次数，Yij具体表示如下： 经脉冲发生器判断可以得到融合特征图像；所述深度多重宽残差网络，具体方法是：1引入残差结构，构建深度残差网络；2在残差模块上引入扩大因子K，K乘以卷积层中的特征数添加更多的卷积核，增加残差模块的宽度，构建宽残差网络；3采用多分支的结构加强残差模块的多样性，增加每个残差单元中残差函数的数量，构建深度多重宽残差网络；4通过训练后的深度多重宽残差网络进行分类识别；深度多重宽残差网络的具体训练过程为：1步长设为1，将输入数据进行卷积操作；2卷积后的数据分别进行批处理归一化、relu激活和第二次卷积操作；3重复上述步骤，直到训练完整个残差网络；4输出层的结果是全连接层的输出与残差分量相加并连接激活函数；深度多重宽残差网络多分支的结构具体为：1第一个残差函数是由三个卷积层组成的残差单元，首尾是两个1×1卷积，中间加上一个3×3卷积；2第二个残差函数是先进行1×1卷积，再进行5×5卷积，最后再使用一个1×1卷积；3第三个残差函数是两个3×3卷积组成，最后再加一个1×1卷积的残差单元；4输出层的结果是三个残差块的输出相加，连接激活函数。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种辐射源个体智能识别方法、系统及终端

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD