摘要
本发明提供了一种基于多尺度感受野和上下文感知的中频特征对比学习方法,包括:获取若干个输入电磁信号;估算输入电磁信号的中心频率;根据输入电磁信号的中心频率对输入电磁信号进行信号预处理得到输入电磁信号的中频I/Q波形数据;对中频I/Q波形数据进行复数分解和最大幅度归一化形成中频信号样本;对所述中频信号样本进行基于多尺度感受野和上下文感知的中频高阶特征提取,获取特征向量;根据若干个输入电磁信号中已知信号的特征向量,对未知信号的特征向量进行信号聚类;其中,根据已知信号特征向量与未知信号特征向量的余弦相似度进行信号聚类。在不同信噪比条件下本发明提取中频高阶特征的鲁棒表现均为良好,具有优秀的泛化能力。
技术关键词
特征提取模型
学习方法
多尺度
电磁
中频信号
双向长短期记忆网络
样本
波形
卷积模块
辐射源
傅里叶变换处理
频率
聚类
数据
列表
多尺寸
级联
采样率
信噪比
系统为您推荐了相关专利信息
特征提取模型
设备健康等级
决策树算法
分类器模型
模拟生态系统
多头注意力机制
饱和度
前馈神经网络
波长
编码器模块
特征参量
疲劳寿命预测方法
剩余疲劳寿命
XGBoost算法
轴类零件