买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军战略支援部队信息工程大学申请的专利基于多通道注意力网络的调制编码联合识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116896492B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310704966.2，技术领域涉及：H04L27/00；该发明授权基于多通道注意力网络的调制编码联合识别方法及系统是由吴迪;易冬;王世举;刘凯越;张靖志;王书;卢万杰;胡涛设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本基于多通道注意力网络的调制编码联合识别方法及系统在说明书摘要公布了：本发明涉及信号调制编码联合识别技术领域，特别涉及一种基于多通道注意力网络的调制编码联合识别方法及系统，利用随机生成的无线电信息序列模拟通信环境编码调制信息序列并生成数字调制信号和模拟调制信号，并组建信号样本数据；构建用于调制编码联合识别的多通道卷积门控深度注意力网络模型并利用信号样本数据对多通道卷积门控深度注意力网络模型进行训练优化；将待识别信号输入训练优化后的多通道卷积门控深度注意力网络模型，利用训练优化后的多通道卷积门控深度注意力网络模型得到待识别信号的调制编码类别。本发明能够提升调制编码联合识别效能，能够实现信号调制编码联合自动识别任务，便于部署实施。

本发明授权基于多通道注意力网络的调制编码联合识别方法及系统在权利要求书中公布了：1.一种基于多通道注意力网络的调制编码联合识别方法，其特征在于，包含： 利用随机生成的无线电信息序列模拟通信环境编码调制信息序列并生成数字调制信号和模拟调制信号； 利用数字调制信号和模拟调制信号组建信号样本数据，并依据预设比例将信号样本数据划分为训练样本集、验证样本集和测试样本集； 构建用于调制编码联合识别的多通道卷积门控深度注意力网络模型并利用训练样本集、验证样本集和测试样本集对多通道卷积门控深度注意力网络模型进行训练优化；构建的多通道卷积门控深度注意力网络模型包含：用于对输入数据通过多通道卷积操作来提取特征图的多通道卷积模块，用于对提取的特征图进行升维卷积以提取特征图中目标形状及细节的升维卷积模块，用于捕捉深层连接维度信息并分类输出调制类别的门控循环分类模块，和用于利用通道权重向量显式建模通道之间的相互依赖性来自适应重新标定通道权重的挤压激励模块；其中，所述多通道卷积模块对输入数据通过多通道卷积操作来提取特征图，包含：利用三个卷积层分别对输入数据中的I通道信号、Q通道信号和IQ信号进行卷积，并将三个卷积层的输出按输入维度进行拼接，以获取输入数据的特征图；所述升维卷积模块对提取的特征图进行升维卷积，包含：对输入的低分辨率特征图利用串接的三个卷积单元依次逐步升采样以输出高分辨率特征图，其中，卷积单元包括一维卷积层、随机失活层、批归一化层和ReLU激活函数；门控循环分类模块捕捉深层连接维度信息并分类输出调制类别，包含：利用门控循环单元GRU结合当前输入和上一节点传递隐状态来输出当前隐藏节点输出和传递下一节点隐状态，以通过门控状态更新来捕捉深层连接的特征图维度信息；并利用全连接输出层来对特征图进行分类，以获取对应信号调制类别；所述挤压激励模块利用通道权重向量显式建模通道之间的相互依赖性来自适应重新标定通道权重的过程表示为：，为新特征向量的第个元素，为输入特征向量的通道权重向量中第个元素的通道权重，且，为网络上一层输出特征向量通过全局平均池化操作生成的通道统计向量，为ReLU函数，为Sigmoid激活函数，为挤压激励模块中第一个全连接层的权重参数，为挤压激励模块中第二个全连接层的权重参数； 将待识别信号输入训练优化后的多通道卷积门控深度注意力网络模型，利用训练优化后的多通道卷积门控深度注意力网络模型得到待识别信号的调制编码类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军战略支援部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。