買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國科學(xué)技術(shù)大學(xué)申請的專利一種小樣本射頻指紋識(shí)別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116798081B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310582013.3，技術(shù)領(lǐng)域涉及：G06V40/13；該發(fā)明授權(quán)一種小樣本射頻指紋識(shí)別方法是由莊連生;樊碩設(shè)計(jì)研發(fā)完成，并于2023-05-19向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種小樣本射頻指紋識(shí)別方法在說明書摘要公布了：本發(fā)明涉及人工智能領(lǐng)域的小樣本射頻指紋識(shí)別方法。該方法通過若干來自待識(shí)別輻射源的有標(biāo)簽樣本與其他常見樣本構(gòu)建目標(biāo)識(shí)別模型，利用目標(biāo)識(shí)別模型完成目標(biāo)小樣本射頻指紋識(shí)別任務(wù)，其特征在于，所述目標(biāo)識(shí)別模型的構(gòu)建過程包括以下步驟：基于基類數(shù)據(jù)集利用大規(guī)模訓(xùn)練范式完成目標(biāo)識(shí)別模型的預(yù)訓(xùn)練，利用完成預(yù)訓(xùn)練的目標(biāo)識(shí)別模型初始化軟標(biāo)簽生成模型；利用基類數(shù)據(jù)集抽取與目標(biāo)小樣本射頻指紋識(shí)別任務(wù)形式相同的包括元支持集與元查詢集的元任務(wù)；利用元任務(wù)完成對目標(biāo)識(shí)別模型的訓(xùn)練，并在目標(biāo)小樣本射頻指紋識(shí)別任務(wù)的有標(biāo)簽樣本中進(jìn)行微調(diào)得到最終的目標(biāo)識(shí)別模型。目標(biāo)識(shí)別模型在面對新的、未曾見過的輻射源時(shí)能夠正確地進(jìn)行分類預(yù)測。

本發(fā)明授權(quán)一種小樣本射頻指紋識(shí)別方法在權(quán)利要求書中公布了：1.一種小樣本射頻指紋識(shí)別方法，通過若干來自待識(shí)別輻射源的有標(biāo)簽樣本與其他常見物體的有標(biāo)簽樣本構(gòu)建目標(biāo)識(shí)別模型，利用目標(biāo)識(shí)別模型完成目標(biāo)小樣本射頻指紋識(shí)別任務(wù)，其特征在于，所述目標(biāo)識(shí)別模型的構(gòu)建過程包括以下步驟： 步驟一，準(zhǔn)備基類數(shù)據(jù)集，目標(biāo)任務(wù)原始支持集目標(biāo)任務(wù)原始查詢集對原始支持集與原始查詢集中的信號樣本分別進(jìn)行預(yù)處理得到目標(biāo)任務(wù)支持集DS與目標(biāo)任務(wù)查詢集DQ； 步驟二，基于基類數(shù)據(jù)集利用大規(guī)模訓(xùn)練范式完成目標(biāo)識(shí)別模型的預(yù)訓(xùn)練，利用完成預(yù)訓(xùn)練的目標(biāo)識(shí)別模型初始化軟標(biāo)簽生成模型； 步驟三，利用基類數(shù)據(jù)集抽取與目標(biāo)小樣本射頻指紋識(shí)別任務(wù)形式相同的元任務(wù)TMeta，元任務(wù)TMeta包括元支持集DMetaS與元查詢集DMetaQ； 步驟四，利用軟標(biāo)簽生成模型生成元查詢集DMetaQ中樣本的類別軟標(biāo)簽； 步驟五，利用目標(biāo)識(shí)別模型計(jì)算元查詢集DMetaQ中樣本的預(yù)測類別概率分布； 步驟六，計(jì)算元查詢集DMetaQ中樣本的預(yù)測類別概率分布與其類別軟標(biāo)簽的損失值，根據(jù)損失值訓(xùn)練目標(biāo)識(shí)別模型，得到完成元學(xué)習(xí)的目標(biāo)識(shí)別模型； 步驟七，利用完成元學(xué)習(xí)的目標(biāo)識(shí)別模型計(jì)算目標(biāo)任務(wù)支持集DS中樣本的預(yù)測類別概率分布； 步驟八，計(jì)算目標(biāo)任務(wù)支持集DS中樣本的預(yù)測類別概率分布與其標(biāo)簽的交叉熵，根據(jù)交叉熵通過反向傳播訓(xùn)練完成元學(xué)習(xí)的目標(biāo)識(shí)別模型，得到微調(diào)后的目標(biāo)識(shí)別模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國科學(xué)技術(shù)大學(xué)，其通訊地址為：230026 安徽省合肥市包河區(qū)金寨路96號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。