(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111407174.6 (22)申请日 2021.11.24 (65)同一申请的已公布的文献号 申请公布号 CN 114124536 A (43)申请公布日 2022.03.01 (73)专利权人 四川九洲电器集团有限责任公司 地址 621000 四川省绵阳市科创园区九华 路6号 (72)发明人 王维　李捷　高晓利　赵火军　 (74)专利代理 机构 北京天达知识产权代理事务 所(普通合伙) 11386 专利代理师 刘镜 (51)Int.Cl. H04L 9/40(2022.01) G06K 9/62(2022.01)G06N 3/08(2006.01) (56)对比文件 CN 107832791 A,2018.0 3.23 CN 111767848 A,2020.10.13 审查员 董莉 (54)发明名称 一种多站侦收信号溯源方法 (57)摘要 本发明涉及一种多站侦收信号溯源方法， 属 于信号指纹识别技术领域， 解决了现有技术中离 散信号维度高差异小时聚类效果差的问题。 包括 接收多站侦收的信号， 预处理后传入训练好的深 度神经网络模 型， 将深度神经网络模 型中间层的 输出结果作为提取的多个多维特征向量； 根据多 次随机生 成的维度数抽样多个多维特征向量， 得 到多组特征子向量， 对多组特征子向量分别进行 聚类得到多组聚类结果； 根据多组特征子向量中 任意两组特征子向量的维度值差异， 得到对称相 异度矩阵， 根据对称相异度矩阵计算出多组聚类 结果的权重， 根据权重和类别计数判断条件计算 出每个信号的每类加权计数值， 取最大加权计数 值对应的类别为信号的类别。 实现了多站无源信 号的准确定位。 权利要求书2页 说明书8页 附图3页 CN 114124536 B 2022.09.13 CN 114124536 B 1.一种多站侦收信号溯源方法， 其特 征在于， 包括如下步骤： 接收多站侦收的信号， 预处理后传入训练好的深度神经网络模型， 将深度神经网络模 型中间层的输出 结果作为 提取的多个多维特 征向量； 根据多次随机生成的维度数抽样所述多个多维特征向量， 得到多组特征子向量， 对多 组特征子向量分别进行聚类， 得到多组聚类结果； 根据所述多组特征子向量中任意两组特征子向量的维度值差异， 得到对称相异度矩 阵， 根据所述对称相异度 矩阵， 计算出所述多组 聚类结果的权重， 根据所述权重和类别计数 判断条件， 计算出多组聚类结果中每个信号的每类加权计数值， 取最大加权计数值对应的 类别为信号的类别； 所述根据 所述多组特征子向量中任意两组特征子向量的维度值差异， 得到对称相异度 矩阵， 包括： 通过下式计算任意两组特 征子向量的Jac card系数相似度： 其中， R为特征子向量的组数， Va和Vb分别为所述任 意两组特征子向量的维度序列， E11为 Va和Vb均含有的维度数的个数， E10为Va含有、 而Vb未包含的维度数的个数， E01为Vb含有、 而Va 未包含的维度数的个数； 基于所述任意两组特征子向量的Jaccard系数相似度， 利用下式计算得到所述任意两 组特征子向量的相异度Dab： Dab＝1‑J(Va,Vb) 基于所述相异度Dab得到所述对称相异度矩阵D： 其中， 对角线的元 素值为0， Dab＝Dba； 所述根据所述对称相异度矩阵， 计算出 所述多组聚类结果的权 重， 包括： 利用下式， 根据矩阵中每行 元素值之和与所有元 素值之和的比值， 得到多个第一权 重： 对得到的所述多个第一权 重进行归一 化处理后， 作为多组聚类结果的权 重； 所述类别计数判断条件表示 为： 其中， 为第i组聚类结果中的信 号Sn， 当信号Sn被聚到第k类， 则计数为1， 否则计数为 0；权　利　要　求　书 1/2 页 2 CN 114124536 B 2所述根据 所述权重和类别计数判断条件， 计算出多组聚类结果中每个信号的每类加权 计数值， 计算公式是： 其中， 为信号Sn在R组聚类结果中将其聚到第k类的加权计数值。 2.根据权利要求1所述的多站侦收信号溯源方法， 其特征在于， 所述多次随机生成的维 度数， 包括： 在所述输出结果的维度的50％到90％之间， 按均匀间隔取数得到多个数值， 或 者， 随机选择多个数值， 所述多个数值作为维度数， 数值个数作为抽样次数， 且抽样次数不 少于3次。 3.根据权利要求2所述的多站侦收信号溯源方法， 其特征在于， 所述根据多次随机生成 的维度数抽样所述多个多维特 征向量， 得到多组特 征子向量， 包括： 根据第i次抽样得到的维度数ci， 在所述多维特征向量的维度范围内随机生成不重复的 ci个数， 并按从小到大排列后， 作为维度 序列 对每个多维特征向量， 将对应维度序列位置的特征值抽取出来， 得到第i组特征子向 量； 每次抽样得到的特 征子向量， 构成多组特 征子向量。 4.根据权利要求1 ‑3任一项所述的多站侦收信号溯源方法， 其特征在于， 所述聚类采用 改进的二分K ‑均值聚类算法， 根据特征子向量中每个维度的平均值、 最小值和最大值得到 两个初始聚类中心， 公式是： 其中， Car为特征子向量中第r维的特征值， avg表示取平均值， min表示取最小值， max表 示取最大值。 5.根据权利要求4所述的多站侦收信号溯源方法， 其特征在于， 所述深度神经网络模 型， 输入层的节点数是信号预处理后的维度数， 输出层的节点数是信号所属发射设备 的类 别数量， 网络中间层最后一层的节点数小于 输入的维度数且大于 输出的类别数量。 6.根据权利要求5所述的多站侦收信号溯源方法， 其特 征在于， 所述预处 理包括： 从接收的所述信号中截取信号片段； 其中， 所述信号片段为信号框架脉冲， 且不携带标 识个体身份的信息； 采用离散傅立叶变换对所述信号片段进行时频域的变换； 对时频域变化后的信号进行归一 化处理后得到预处 理后的信号。权　利　要　求　书 2/2 页 3 CN 114124536 B 3