摘要
本发明涉及图像识别加工技术领域,公开了一种基于多域特征融合和自注意力的辐射源识别方法,包括以下步骤:接收原始辐射源信号,所述信号为包含同相分量和正交分量的一维复数信号;将所述原始信号分别输入时域分支和频域分支进行处理,时域分支采用长短期记忆网络结合自注意力机制进行特征提取,频域分支通过短时傅里叶变换转换为时频图并使用卷积神经网络进行特征提取;将时域分支和频域分支提取的特征进行融合,得到一个综合特征向量;将所述综合特征向量输入到分类器进行类别判断。本发明通过将时域特征和频域特征进行多域特征融合,实现了对辐射源信号的更全面、准确的捕捉,得到了显著提高的识别准确性。
技术关键词
辐射源识别方法
多域特征
短时傅里叶变换
长短期记忆网络
分支
注意力机制
辐射源类别
频域特征
识别系统
分类器
信号输入模块
可读存储介质
处理器
时域特征
传播算法
计算机设备
系统为您推荐了相关专利信息
多指标综合评价
造价
变电站工程
三维模型构件
人工智能模型
双流神经网络
图像分类方法
下采样功能
分支
融合特征
深度学习网络模型
小麦不完善粒识别方法
识别装置
图像
进料装置
服务器节点
深度神经网络模型
多分支
分布式架构
时延
网络入侵检测
防御系统
融合检测器
异构特征
多头注意力机制