一种基于选择性知识迁移学习的电磁信号识别方法

本发明公开了一种基于选择性知识迁移学习的电磁信号识别方法。该方法首先对收集的电磁信号数据进行预处理，随机分为源域和目标域的数据。然后训练了一个用于特征提取的网络模型。设计教师模型和学生模型，将提取到的信号特征输入到教师模型中，对训练集进行奇异值分解，根据奇异值进行系数筛选，作为目标域的特征表示，得到迁移后的模型。接着对教师模型的输出数据进行知识蒸馏，计算其与学生模型的输出数据的知识差异，以及蒸馏损失和交叉熵损失；最后，根据蒸馏损失更新学生模型的网络参数，得到训练好的学生模型，实现对电磁信号数据的分类识别。