-
公开(公告)号:CN118964995A
公开(公告)日:2024-11-15
申请号:CN202411049514.6
申请日:2024-08-01
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F17/18 , G06N3/006 , G06N3/126
Abstract: 本发明属于辐射源信号处理技术领域,具体涉及一种辐射源信号参数估计方法、程序、设备及存储介质。本发明通过融合多种多任务学习模型,设置不同模型权重参数,构建加权平均参数估计公式,实现不同模型互补,提高方法的泛化性。同时,本发明设计了电鳗鸟算法,智能寻优模型权重参数,利用精英反向策略初始化种群,引入柯西变异提升算法跳出局部最优能力,构造警戒因子,管理探索阶段与开发阶段之间的过渡,改进了电鳗鸟位置更新方式,使得模型权重参数组合随迭代次数不断优化,进而提升本发明参数估计的准确度。
-
公开(公告)号:CN117315311A
公开(公告)日:2023-12-29
申请号:CN202311339211.3
申请日:2023-10-17
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/006
Abstract: 本发明公开了一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法,包括:对原始辐射源调制信号的数据集中的信息进行崔‑威廉斯分布处理,获取时频图;通过时频图对预设初始辨识模型进行训练,获取初始判别结果;根据初始判别结果设计卷尾蜜熊算法,优化训练后的模型,获取最佳辨识模型;利用最佳辨识模型,获取未知辐射源信号辨识结果。本发明搭建衍生卷积自编码器,设计衍生损失,构造判别模型融合方式,融合各模型判别结果,增加未知辐射源判别的鲁棒性,设计卷尾蜜熊算法,构造香气因子,为卷尾蜜熊添加跳跃属性,优化卷尾蜜熊位置,使判别模型阈值随迭代次数不断改进,提升模型的判别能力,增强了未知辐射源信号辨识方法的泛化性和准确性。
-