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)獲悉山東師范大學(xué)申請的專利基于卷積-注意力機(jī)制與多包推理的射頻指紋識別方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120337998B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202510820264.X，技術(shù)領(lǐng)域涉及：G06N3/0455；該發(fā)明授權(quán)基于卷積-注意力機(jī)制與多包推理的射頻指紋識別方法及系統(tǒng)是由喬靜萍;張傳亭;李凱強(qiáng);田杰;李腆腆;李承浩;邊際設(shè)計(jì)研發(fā)完成，并于2025-06-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于卷積-注意力機(jī)制與多包推理的射頻指紋識別方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及基于卷積?注意力機(jī)制與多包推理的射頻指紋識別方法及系統(tǒng)，屬于通信網(wǎng)絡(luò)和人工智能技術(shù)領(lǐng)域；包括：步驟1、捕捉設(shè)備傳輸信號，并對傳輸信號進(jìn)行預(yù)處理得到頻譜圖；步驟2、構(gòu)建射頻指紋識別模型，將得到的頻譜圖輸入到射頻指紋識別模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的射頻指紋識別模型；步驟3、使用已訓(xùn)練好的射頻指紋識別模型進(jìn)行預(yù)測，得到最終的預(yù)測結(jié)果。本發(fā)明針對傳統(tǒng)模型融合機(jī)制存在的計(jì)算復(fù)雜度高、模塊交互冗余的問題，采用模塊分離策略，使卷積模塊和Transformer模塊獨(dú)立優(yōu)化，既降低了計(jì)算復(fù)雜度，又提升了模型的穩(wěn)定性。

本發(fā)明授權(quán)基于卷積-注意力機(jī)制與多包推理的射頻指紋識別方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于卷積-注意力機(jī)制與多包推理的射頻指紋識別方法，其特征在于，包括： 步驟1、捕捉設(shè)備傳輸信號，并對傳輸信號進(jìn)行預(yù)處理得到頻譜圖； 步驟2、構(gòu)建射頻指紋識別模型，將得到的頻譜圖輸入到射頻指紋識別模型中進(jìn)行訓(xùn)練，得到訓(xùn)練好的射頻指紋識別模型； 射頻指紋識別模型包括卷積層、位置編碼層和Transformer編碼器； 卷積層將輸入特征圖轉(zhuǎn)化為高階的特征表示； 位置編碼層用于添加位置信息； Transformer編碼器包括多頭自注意力機(jī)制和前饋神經(jīng)網(wǎng)絡(luò)層，多頭自注意力機(jī)制捕捉整個(gè)序列中的全局依賴關(guān)系，前饋神經(jīng)網(wǎng)絡(luò)層進(jìn)一步增強(qiáng)特征表達(dá)能力； 卷積層包括標(biāo)準(zhǔn)化層、點(diǎn)卷積層、GLU激活函數(shù)層、深度可分離卷積層、批標(biāo)準(zhǔn)化層、Swish激活函數(shù)層、串聯(lián)卷積層和Dropout層； 首先，將得到的頻譜圖輸入到卷積層中，對輸入的頻譜圖進(jìn)行標(biāo)準(zhǔn)化處理；通過點(diǎn)卷積層使用1x1卷積調(diào)整通道維度，得到通道數(shù)調(diào)整后的特征圖；通過GLU激活函數(shù)層增強(qiáng)特征圖的關(guān)鍵信息，抑制特征圖的冗余信息；通過深度可分離卷積層減少特征圖的參數(shù)量，增強(qiáng)空間特征；通過批標(biāo)準(zhǔn)化層得到分布穩(wěn)定的特征圖；通過Swish激活函數(shù)層得到激活后的特征圖，保留負(fù)值區(qū)域的微小梯度信息；通過串聯(lián)卷積層得到最終通道數(shù)優(yōu)化的特征表示；最后經(jīng)過Dropout層得到正則化后的特征圖X； 然后，在卷積層運(yùn)算后引入位置編碼層，得到位置編碼的特征圖，捕捉數(shù)據(jù)中存在的時(shí)間關(guān)系； 最后，將位置編碼的特征圖輸入到Transformer編碼器，Transformer編碼器使用多頭自注意力機(jī)制來捕捉整個(gè)序列中的全局依賴關(guān)系； Transformer編碼器處理后，經(jīng)過一維全局平均池化層，將特征圖的時(shí)間維度壓縮為固定長度的特征向量；最后，特征向量送入全連接層和softmax層進(jìn)行分類，經(jīng)過訓(xùn)練后得到訓(xùn)練好的RFF-CAT模型即射頻指紋識別模型； 步驟3、使用已訓(xùn)練好的射頻指紋識別模型進(jìn)行預(yù)測，并結(jié)合多包推理方法，得到最終的預(yù)測結(jié)果； 多包推理方法包括： 將傳入的射頻信號數(shù)據(jù)分為多個(gè)數(shù)據(jù)包，對每個(gè)數(shù)據(jù)包計(jì)算初始預(yù)測值即通過RFF-CAT模型得到的初始預(yù)測值，定義初始權(quán)重集，然后進(jìn)行加權(quán)求和，得到融合預(yù)測概率； 計(jì)算初始預(yù)測值與融合預(yù)測概率之間的誤差，更新權(quán)重以適應(yīng)每個(gè)數(shù)據(jù)包的預(yù)測值； 使用更新后的權(quán)重對每個(gè)數(shù)據(jù)包的預(yù)測值再次進(jìn)行加權(quán)求和，獲得新的融合預(yù)測概率，即識別出對應(yīng)設(shè)備的射頻指紋，實(shí)現(xiàn)設(shè)備的認(rèn)證和識別。

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)人山東師范大學(xué)，其通訊地址為：250358 山東省濟(jì)南市長清區(qū)大學(xué)科技園大學(xué)路1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)”。