一種基于深度學習的輻射源個體識別方法

基本信息

申請?zhí)?/td> CN202110975804.3 申請日 -
公開（公告）號 CN113780521A 公開（公告）日 2021-12-10
申請公布號 CN113780521A 申請公布日 2021-12-10
分類號 G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 張慧娟;謝巖;茆旋宇;安雨;趙浩波;孫景斌;王滿周;盧志龍;李進芳 申請（專利權）人 南京電子設備研究所
代理機構 北京豐浩知識產(chǎn)權代理事務所（普通合伙） 代理人 王純富
地址 100195北京市海淀區(qū)閔航路29號院
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度學習的輻射源個體識別方法，用于實現(xiàn)對輻射源個體的識別，其基本流程是對原始數(shù)據(jù)進行相應的預處理并制作訓練數(shù)據(jù)集，根據(jù)輻射源數(shù)據(jù)的特點構造深度神經(jīng)網(wǎng)絡模型，針對性地構建損失函數(shù)并選擇合適的超參數(shù)對神經(jīng)網(wǎng)絡進行訓練，使用加性角邊距損失函數(shù)作為深度神經(jīng)網(wǎng)絡模型的損失函數(shù)，得到最終的神經(jīng)網(wǎng)絡模型并用于輻射源的個體識別，將待識別數(shù)據(jù)的個體特征與訓練數(shù)據(jù)的個體特征進行相似度判別，得到識別結果。本方法有著更好的泛化性能，同時神經(jīng)網(wǎng)絡對輸入輻射源的類型不敏感，只需要更換訓練數(shù)據(jù)，即可對不同的輻射源具備較好的識別性能，因此該方法的適應能力也更好。