公开(公告)号：CN114298113B

公开(公告)日：2025-03-25

申请号：CN202111667102.5

申请日：2021-12-31

Applicant: 复旦大学

Inventor： 修思瑞 ,  周小林

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06N3/0985

Abstract: 本发明属于通信信号调制识别技术领域，具体为一种面向物联网的双路径机器学习调制模式识别方法。本发明包括：采集图像数据集；采用原型网络小样本元学习的方式进行模型训练，应对来自不同种图像的识别能力；在识别阶段分为模糊分类与精准分类双分类阶段：在模糊分类阶段，识别出非数字调制信号和数字调制信号，并为精准分类提供模糊分类结果作为参考。在精准分类阶段，将已区分出的数字调制信号通过还原星座图来得到精准分类结果；将两种分类结果通过特定的决策方式确定最终数字调制信号结果。本发明以元学习神经网络为基础的双路径双重识别的方式，使得识别信号类型涵盖范围更广，复杂度低且准确率更高，比单一方式识别精度提高约8％。

公开(公告)号：CN114298114A

公开(公告)日：2022-04-08

申请号：CN202111673019.9

申请日：2021-12-31

Applicant: 复旦大学

Inventor： 修思瑞 ,  周小林

IPC: G06K9/00 ,  G06N3/08

Abstract: 本发明属于通信信号调制识别技术领域，具体为一种面向物联网的元学习调制模式识别方法。本发明包括：对接收信号进行载波频率估计、相偏估计以及频偏估计；根据特征量进行星座图还原；然后对图像进行增强预处理，以抵抗恶劣环境带来的影响；利用阶段式元学习神经网络对预处理图像进行训练以及测试分类，赋予分类器更好的自学能力，得到初步的调制识别结果；对初步的识别结果进行决策并计算相似度，以最高相似度作为输出结果，提高鲁棒性的准确性。本发明通过多模块协同融合，在低信噪比环境下仍然具有较高的识别精度，高达91.5％，并且本方法训练样本少，训练成本低，复杂度低，易于实现。

公开(公告)号：CN114298113A

公开(公告)日：2022-04-08

申请号：CN202111667102.5

申请日：2021-12-31

Applicant: 复旦大学

Inventor： 修思瑞 ,  周小林

IPC: G06K9/00 ,  G06V10/764 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明属于通信信号调制识别技术领域，具体为一种面向物联网的双路径机器学习调制模式识别方法。本发明包括：采集图像数据集；采用原型网络小样本元学习的方式进行模型训练，应对来自不同种图像的识别能力；在识别阶段分为模糊分类与精准分类双分类阶段：在模糊分类阶段，识别出非数字调制信号和数字调制信号，并为精准分类提供模糊分类结果作为参考。在精准分类阶段，将已区分出的数字调制信号通过还原星座图来得到精准分类结果；将两种分类结果通过特定的决策方式确定最终数字调制信号结果。本发明以元学习神经网络为基础的双路径双重识别的方式，使得识别信号类型涵盖范围更广，复杂度低且准确率更高，比单一方式识别精度提高约8％。