一种基于N-CBAM-BDA的跨接收机辐射源识别方法和系统

本发明提出了一种基于CNN‑CBAM‑BDA的跨接收机辐射源识别方法和系统，包括：采集若干不同接收机接收到的信号生成跨接收机辐射源个体识别样本集；对所述样本集进行归一化处理，划分为源域样本和目标域样本，对所述源域的全部样本和所述目标域中部分样本进行标记，并将所述目标域剩余的样本作为待测样本集；构建CNN特征提取模块，并利用所述源域样本数据训练CNN网络，引入CBAM注意力机制进一步提取深层特征。本发明使用了基于卷积神经网络的辐射源个体识别模型，加入了卷积块注意力机制，克服了现有传统技术效率低、普适应弱、精度低的等问题，使得本发明可以自动提取辐射源的深度特征，提高了网络的识别速度和精度。

《一种基于N-CBAM-BDA的跨接收机辐射源识别方法和系统》是一发明专利，专利号为 2022115264666，当前法律状态为已下证，由厦门大学提出申请，发明人为洪少华;郑亚男;孙海信;齐洁;王琳，申请日期为2022-11-30，公开（公告）日期为2025-11-28，国际专利分类号（IPC）为 G06F 18/24 (2023.01)。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提出了一种基于CNN‑CBAM‑BDA的跨接收机辐射源识别方法和系统，包括：采集若干不同接收机接收到的信号生成跨接收机辐射源个体识别样本集；对所述样本集进行归一化处理，划分为源域样本和目标域样本，对所述源域的全部样本和所述目标域中部分样本进行标记，并将所述目标域剩余的样本作为待测样本集；构建CNN特征提取模块，并利用所述源域样本数据训练CNN网络，引入CBAM注意力机制进一步提取深层特征。本发明使用了基于卷积神经网络的辐射源个体识别模型，加入了卷积块注意力机制，克服了现有传统技术效率低、普适应弱、精度低的等问题，使得本发明可以自动提取辐射源的深度特征，提高了网络的识别速度和精度。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！