買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉電子科技大學(深圳)高等研究院申請的專利一種基于對抗學習的未知信號識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119652714B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411804530.1，技術領域涉及：H04L27/00；該發明授權一種基于對抗學習的未知信號識別方法是由高聯麗;趙文碩;張帥;王軒瀚;宋井寬設計研發完成，并于2024-12-10向國家知識產權局提交的專利申請。

本一種基于對抗學習的未知信號識別方法在說明書摘要公布了：本申請公開了一種基于生成對抗學習的未知信號識別方法，涉及信號調制識別技術領域。本申請通過引入生成器和判別器的對抗訓練機制，利用生成對抗網絡產生與已知類別信號相似而不同的混淆樣本參與訓練，以此增強分類模型對未知類別信號的識別能力，并保持原有調制識別性能，同時本申請為生成器提供一種結合分類器的損失函數，使生成器生成的混淆樣本靠近真實樣本數據的分布，確保生成的混淆樣本在數據分布上與已知類樣本足夠接近，同時又保持一定的未知性，進一步保證分類模型對未知類別信號的識別性能。

本發明授權一種基于對抗學習的未知信號識別方法在權利要求書中公布了：1.一種基于對抗學習的未知信號識別方法，其特征在于，包括下列步驟： 步驟S1.獲取信號調制識別數據集，并分別構建卷積神經網絡分類器與生成對抗網絡的模型結構； 其中，生成對抗網絡包括生成器網絡與判別器網絡；生成器網絡的輸入為與真實樣本數據的樣本數據長度一致的隨機噪聲，用于生成當前輸入的隨機噪聲的混淆樣本；判別器網絡的輸入為真實樣本數據或者混淆樣本，用于輸出對當前輸入樣本的真偽判別結果；該真實樣本數據指獲取的信號調制識別數據集中的信號樣本； 卷積神經網絡分類器的輸入為信號樣本或待識別的目標信號，其包括信號特征向量提取網絡和信號識別輸出層，其中，信號識別輸出層用于計算各已知調制類別的分類概率，并輸出最大分類概率及其對應的已知調制類別索引； 步驟S2.初始化卷積神經網絡分類器、生成器網絡、判別器網絡的網絡參數，包括各網絡的權重和偏置的隨機初始化，以及選擇網絡參數優化算法與學習率； 步驟S3.對生成器網絡與判別器網絡進行聯合訓練，通過生成器網絡生成混淆樣本并利用對抗訓練對混淆樣本進行優化，通過判別器網絡判斷混淆樣本的真實性，得到生成器網絡損失并將生成器網絡損失反饋給生成器網絡進行迭代優化，使生成器網絡生成的混淆樣本靠近真實樣本數據的分布； 步驟S4.將生成器網絡生成的混淆樣本加入分類器訓練集中，再基于當前分類器訓練集對卷積神經網絡分類器進行訓練； 步驟S5.對待識別的目標信號進行信號預處理，以與卷積神經網絡分類器的輸入相匹配； 再將待識別的目標信號輸入步驟S4訓練后的卷積神經網絡分類器進行調制識別分類，獲取識別結果：若該卷積神經網絡分類器輸出的最大分類概率超過既定分類閾值，則基于該最大分類概率所對應的類別確定當前待識別的目標信號的調制類別識別結果；否則，當前待識別的目標信號的調制類別為未知類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學(深圳)高等研究院，其通訊地址為：518000 廣東省深圳市龍華區觀瀾街道銀星智界二期；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。