CN116756633B 一种基于监督对比学习的功放指纹特征识别方法 （兰州交通大学）_第1页
CN116756633B 一种基于监督对比学习的功放指纹特征识别方法 （兰州交通大学）_第2页
CN116756633B 一种基于监督对比学习的功放指纹特征识别方法 （兰州交通大学）_第3页
CN116756633B 一种基于监督对比学习的功放指纹特征识别方法 （兰州交通大学）_第4页
CN116756633B 一种基于监督对比学习的功放指纹特征识别方法 （兰州交通大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

NeuralInformationP一种基于监督对比学习的功放指纹特征识本发明公开了一种基于监督对比学习的功2S4.采用伪标签加权交叉损失的方法进行训练，对于同一类的特征和不同类的特征分S7.将样本数据与对应的正例数据集提取的数据特征在特征空间上距离拉近，对样本S8.在训练完成的网络后面添加一个线性分类层，通过交叉熵损失函数最小化作为监督信息进行训练微调，利用带标签的功放指纹特征数据集Feature_label作为监督训练的3论是学界还是产业界对功放的建模研究也由来已久。如何在利用功放的放大特性的同时，时的1/R4能量衰减。一旦高增益器件在强增益工作状态下都会产生非常显著的非线性效相关的特征量，则基于该特征可在有意调制发生变化时依然可以识别出功放的原有特征。行特征识别。本发明提供一种基于监督对比学习的功放指纹特[0009]S3.特征数据集经过PCA降维以后对降维的数据采用迭代自组织聚类算法进行聚4最后的聚类结果和用于监督对比训练中进行[0010]S4.采用伪标签加权交叉损失[0011]S5.将得到的样本数据输入进编码器，[0013]S7.将样本与对应的正例数据[0014]S8.在训练完成的网络后面添加一为监督信息进行训练微调，利用少数的带标签的功放指纹特征数据集Feature_label作为5利仅分析信号工作频带内的无意调制，由文献LinearRFpoweramplifierdesignforwirelesssignals:aspectrumanalysisapproach可知，偶次幂产生的信号分量总是远[0033]经过三角函数展开，可以得到第i倍频的分量幅度相对于载频分量幅度的对数值6[0070]式(22)说明相对幅度的对数值与输入信号幅度的对数值log(|A|)成近似的线性7[0075]得到的特征矢量数据集Feature通过基于监督对比学习的方法对指纹特征进行分在n'维坐标系中的投影为：z"=(zf",z",…,z"),其中"=[0082]特征数据集经过PCA降维以后对降维的数据采用迭代自组织聚类算法进行聚类，8[0084]其中Nj表示聚类域Sj中的样本个数，然后计算每一个聚类j＝[0093]由于传统的监督对比方法通常将样本x(i)增强后的样本aug(x(i))视为正例标9用一个大小为2048的隐藏层和一个大小为128的线性层组成，通过将高维的特征映射到应督信息进行训练微调，利用少数的带标签的功放指纹特征数据集Feature_label作为监督络基础上微调参数同时训练添加的线性分类层这一

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论