公开(公告)号：CN118734035B

公开(公告)日：2025-01-10

申请号：CN202410832632.8

申请日：2024-06-26

Applicant: 北京理工大学前沿技术研究院

Inventor： 徐从安 ,  林云 ,  张乃煜 ,  张哲瑞 ,  查浩然 ,  高龙 ,  吴俊峰 ,  周伟 ,  蔡卓燃

IPC: G06F18/213 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明公开了一种基于复数脉冲神经的深度学习辐射源个体识别方法，该方法通过基于复数脉冲神经的识别网络进行识别，所述基于复数脉冲神经的识别网络包括若干依次首尾连接的卷积模块，卷积模块中包括复数卷积层和脉冲神经层。本发明采取复数卷积层提取辐射源信号I、Q两路通道特征，用脉冲神经层对特征进行编码，将信号特征映射为稀疏序列，大大提高了辐射源信号的表达能力、计算稀疏性和计算效率，进而提高了辐射源个体识别的准确率；同时还采用三角梯度来规避训练过程中点火函数的零梯度问题，解决了脉冲神经层无法进行反向传播更新参数的问题。

公开(公告)号：CN118734035A

公开(公告)日：2024-10-01

申请号：CN202410832632.8

申请日：2024-06-26

Applicant: 北京理工大学前沿技术研究院

Inventor： 徐从安 ,  林云 ,  张乃煜 ,  张哲瑞 ,  查浩然 ,  高龙 ,  吴俊峰 ,  周伟 ,  蔡卓燃

IPC: G06F18/213 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明公开了一种基于复数脉冲神经的深度学习辐射源个体识别方法，该方法通过基于复数脉冲神经的识别网络进行识别，所述基于复数脉冲神经的识别网络包括若干依次首尾连接的卷积模块，卷积模块中包括复数卷积层和脉冲神经层。本发明采取复数卷积层提取辐射源信号I、Q两路通道特征，用脉冲神经层对特征进行编码，将信号特征映射为稀疏序列，大大提高了辐射源信号的表达能力、计算稀疏性和计算效率，进而提高了辐射源个体识别的准确率；同时还采用三角梯度来规避训练过程中点火函数的零梯度问题，解决了脉冲神经层无法进行反向传播更新参数的问题。