【技术实现步骤摘要】
一种基于原型学习的开放集干扰识别模型和方法
[0001]本专利技术属于通信干扰信号开放识别
，尤其是涉及一种基于原型学习的开放集干扰识别模型和方法。
技术介绍
[0002]在无线通信系统所处的电磁环境日益复杂，通信设备受到各种干扰信号和噪声的影响下，为了保障通信的可靠性，各种通信抗干扰技术应运而生，高效可行的抗干扰技术对于军事通信的抗干扰能力尤为重要。然而在实际中一种抗干扰策略往往只对特定干扰类型有效，因此对通信干扰信号的准确识别，根据所识别干扰信号种类，采用相应的抗干扰措施对通信抗干扰能力具有重要意义。
[0003]传统的干扰识别方法由特征提取和模式识别两部分组成，首先根据信号的时频域分析、信号空间分析等人工提取特征，再使用模式识别中的决策树、支持向量机等模式识别方法进行分类。这些方法十分依赖人工提取特征的有效性，通常面临算法复杂度高，特征信息不全等问题。为了解决这一问题，人们提出了基于深度学习的特征提取方法，基于深度学习的方法能自动提取高维特征，可以提取信号中的深层表示，避免了对人工识别特征的依赖。利用深度...
【技术保护点】
【技术特征摘要】
1.一种基于原型学习的开放集干扰识别模型，其特征在于，包括具有特征提取网络和分类模型的PL
‑
Net，所述的特征提取网络用于对输入干扰提取特征，所述的分类模型用于根据特征提取网络输出的特征向量与相应干扰类别的原型中心的距离进行干扰类别识别，且用于训练PL
‑
Net的损失函数包括闭集训练项和开集训练项，所述开集训练项的原型中心集合包括未知干扰类别原型中心，所述闭集训练项的原型中心集合无未知干扰类别原型中心，通过训练得到若干已知干扰类别原型中心和一个未知干扰类别原型中心用于已知干扰类别分类和未知干扰类别识别。2.根据权利要求1所述的基于原型学习的开放集干扰识别模型，其特征在于，所述闭集训练项的原型中心集合为所有样本均对应有原型的第一原型集合；所述开集训练项的原型中心集合为去除一个或多个已知样本对应原型的第二原型集合。3.根据权利要求2所述的基于原型学习的开放集干扰识别模型，其特征在于，所述的分类模型通过以下方式计算输入干扰的特征向量与各原型中心的距离：
ꢀꢀ
（1）表示特征向量与原型中心之间的距离，表示特征提取函数，表示原型中心，，是样本的标签，为样本个数。4.根据权利要求3所述的基于原型学习的开放集干扰识别模型，其特征在于，采用欧几里得距离衡量输入干扰的特征向量与原型中心之间的距离：
ꢀꢀꢀꢀꢀ
（2）其中为特征空间中特征的维数，采用高斯分布随机初始化原型中心。5.根据权利要求4所述的基于原型学习的开放集干扰识别模型，其特征在于，所述的损失函数包括：（3）
ꢀꢀꢀꢀꢀꢀꢀ
（4）其中表示网络参数，为常数，，K表示K类已知干扰类别，，K+1表示未知干扰类别；公式（4）的第一项对应于闭集训练，表示移除原型中心集合中未知干扰类别原型，训练优化模型使得输出以匹配已知干扰类别；第二项对应于开集训练，表示
移除原型中心集合中样本对应真实标签的原型中心，训练优化模型使得样本被识别为未知干扰类别，通过最小化损失函数使得模型在保证已知干扰类别识别准确性的同时具有识别未知...
【专利技术属性】
技术研发人员：陈杰，赵知劲，叶学义，岳克强，姜明，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。