【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及光譜分析和機(jī)器學(xué)習(xí)，尤其涉及一種基于transformer和支持向量數(shù)據(jù)描述(support?vector?data?description，svdd)的led光譜指紋開集識(shí)別方法及相關(guān)設(shè)備。
技術(shù)介紹
1、隨著無(wú)線通信技術(shù)的快速發(fā)展，傳統(tǒng)射頻(rf)通信面臨頻譜擁堵和安全性問題?？梢姽馔ㄐ?vlc)作為一種新興技術(shù)，利用發(fā)光二極管(led)進(jìn)行數(shù)據(jù)傳輸，提供了高帶寬、低成本的解決方案，并增強(qiáng)了通信系統(tǒng)的安全性。然而，隨著vlc系統(tǒng)的廣泛應(yīng)用，其安全性挑戰(zhàn)逐漸顯現(xiàn)，尤其是在識(shí)別未認(rèn)證或不信任設(shè)備方面的問題。因此，確保vlc系統(tǒng)的安全運(yùn)行并有效識(shí)別潛在威脅設(shè)備成為當(dāng)前研究的重要方向。
2、在射頻系統(tǒng)的啟發(fā)下，設(shè)備指紋技術(shù)被應(yīng)用于光通信領(lǐng)域，以防止欺騙或模擬攻擊。通過(guò)分析發(fā)光二極管(led)發(fā)出的光來(lái)提取與led硬件相關(guān)的細(xì)微特征，并為每個(gè)設(shè)備生成特定簽名以識(shí)別單個(gè)設(shè)備。
3、(1)傳統(tǒng)識(shí)別方法的局限性
4、目前，大多數(shù)led光源識(shí)別和檢測(cè)方法主要依賴光譜分析和簡(jiǎn)單的統(tǒng)計(jì)方法。這些方法通常通過(guò)測(cè)量led光源的光譜特征，然后利用統(tǒng)計(jì)分析手段進(jìn)行分類和識(shí)別。雖然這些方法在某些情況下能夠提供有效的解決方案，但在處理復(fù)雜多樣的光譜數(shù)據(jù)時(shí)，往往存在識(shí)別精度低、抗干擾能力差等問題。例如，當(dāng)led光源的光譜特征相似或受到環(huán)境噪聲干擾時(shí)，這些方法的識(shí)別效果顯著下降，難以滿足實(shí)際應(yīng)用需求。
5、(2)機(jī)器學(xué)習(xí)方法的應(yīng)用局限性
6、盡管一些先進(jìn)的機(jī)器學(xué)習(xí)方法(如神經(jīng)網(wǎng)絡(luò)、支持向量
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有的機(jī)器學(xué)習(xí)方法在遇到新的或未知類別光譜數(shù)據(jù)時(shí)，識(shí)別準(zhǔn)確率較低的問題，本專利技術(shù)提供一種基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法及相關(guān)設(shè)備。
2、第一方面，本專利技術(shù)提供一種基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法，包括：
3、步驟1：采集至少一個(gè)led設(shè)備發(fā)射的光信號(hào)并將所述光信號(hào)轉(zhuǎn)換為光譜數(shù)據(jù)，將所述光譜數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；
4、步驟2：將訓(xùn)練集輸入至預(yù)設(shè)的特征提取網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練以學(xué)習(xí)得到光譜特征向量；其中，所述特征提取網(wǎng)絡(luò)包括transformer分支、cnn分支和特征交互模塊；transformer分支提取光譜數(shù)據(jù)的全局特征，cnn分支提取光譜數(shù)據(jù)的局部征，所述全局特征和所述局部特征經(jīng)所述特征交互模塊進(jìn)行融合得到所述光譜特征向量；
5、步驟3：基于訓(xùn)練集的所述光譜特征向量，利用svdd算法構(gòu)建超球體模型，并對(duì)超球體模型的參數(shù)進(jìn)行優(yōu)化得到最優(yōu)超球體模型；
6、步驟4：將測(cè)試集中測(cè)試樣本輸入至訓(xùn)練好的特征提取網(wǎng)絡(luò)得到對(duì)應(yīng)的光譜特征向量，將測(cè)試樣本的光譜特征向量輸入至所述最優(yōu)超球體模型進(jìn)行分類，若測(cè)試樣本的光譜特征向量落在所述最優(yōu)超球體模型內(nèi)部，在判定測(cè)試樣本的光譜類別為已知類別，反之，則為未知類別。
7、進(jìn)一步地，所述transformer分支采用transformer編碼器，所述cnn分支包括兩個(gè)第一卷積層，所述特征交互模塊包括兩個(gè)第二卷積層、下采樣層和上采樣層；
8、對(duì)應(yīng)地，transformer分支提取光譜數(shù)據(jù)的全局特征，cnn分支提取光譜數(shù)據(jù)的局部征，所述全局特征和所述局部特征經(jīng)所述特征交互模塊進(jìn)行融合得到所述光譜特征向量，具體包括：
9、利用其中一個(gè)第一卷積層將輸入的光譜數(shù)據(jù)分為若干段，對(duì)于每段光譜數(shù)據(jù)，將不同通道的信息進(jìn)行拼接以得到對(duì)應(yīng)的第一局部特征，從而得到若干個(gè)第一局部特征；
10、若干個(gè)所述第一局部特征依次經(jīng)過(guò)一個(gè)第二卷積層和下采樣層，得到第一中間特征；
11、將輸入的光譜數(shù)據(jù)轉(zhuǎn)換為一個(gè)序列，將所述序列與所述第一中間特征融合后輸入至transformer編碼器提取得到全局特征；
12、所述全局特征依次經(jīng)過(guò)另一個(gè)第二卷積層和上采樣層，得到第二中間特征；
13、所述第二中間特征與若干個(gè)所述第一局部特征融合后輸入至另一個(gè)第一卷積層得到第二局部特征；
14、將所述第二局部特征和所述全局特征進(jìn)行求和，得到所述光譜特征向量。
15、進(jìn)一步地，步驟2中，所述網(wǎng)絡(luò)訓(xùn)練的過(guò)程中，采用由中心損失和交叉熵?fù)p失構(gòu)成的組合損失函數(shù)。
16、進(jìn)一步地，步驟3中，采用粒子群優(yōu)化算法對(duì)超球體模型的參數(shù)進(jìn)行優(yōu)化得到最優(yōu)超球體模型；其中，一個(gè)粒子代表超球體模型的一組參數(shù)，采用超球體模型在所述參數(shù)下的分類準(zhǔn)確率作為粒子的適應(yīng)度。
17、進(jìn)一步地，步驟1中，在采集其中一個(gè)led設(shè)備發(fā)射的光信號(hào)時(shí)，存在至少一個(gè)其他led設(shè)備同時(shí)也在發(fā)光。
18、進(jìn)一步地，針對(duì)當(dāng)前采集的led設(shè)備，在不同距離和不同角度下采集所述led設(shè)備發(fā)射的光信號(hào)。
19、進(jìn)一步地，步驟2或步驟4中，在將光譜數(shù)據(jù)輸入至特征提取網(wǎng)絡(luò)之前，還包括：對(duì)所述光譜數(shù)據(jù)進(jìn)行預(yù)處理；所述預(yù)處理包括：去噪和/或歸一化。
20、第二方面，本專利技術(shù)提供一種基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別系統(tǒng)，包括：
21、光譜采集模塊，用于采集至少一個(gè)led設(shè)備發(fā)射的光信號(hào)并將所述光信號(hào)轉(zhuǎn)換為光譜數(shù)據(jù)，將所述光譜數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；
22、特征提取模塊，用于將訓(xùn)練集輸入至預(yù)設(shè)的特征提取網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練以學(xué)習(xí)得到光譜特征向量；以及將測(cè)試集中測(cè)試樣本輸入至訓(xùn)練好的特征提取網(wǎng)絡(luò)得到對(duì)應(yīng)的光譜特征向量；其中，所述特征提取網(wǎng)絡(luò)包括transformer分支、cnn分支和特征交互模塊；transformer分支提取光譜數(shù)據(jù)的全局特征，cnn分支提取光譜數(shù)據(jù)的局部征，所述全局特征和所述局部特征經(jīng)所述特征交互模塊進(jìn)行融合得到所述光譜特征向量；
23、分類識(shí)別模塊，用于基于訓(xùn)練集的所述光譜特征向量，利用svdd算法構(gòu)建超球體模型，并對(duì)超球體模型的參數(shù)進(jìn)行優(yōu)化得到最優(yōu)超球體模型；以及將測(cè)試樣本的光譜特征向量輸入至所述最優(yōu)超球體模型進(jìn)行分類，若測(cè)試樣本的光譜特征向量若在所述最優(yōu)超球體模型內(nèi)部，在判定測(cè)試樣本的光譜類別為已知類別，反之，則為未知類別。
24、第三方面，本專利技術(shù)提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如第一方面所述的方法。
25、第四方面，本專利技術(shù)提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其特征在于，所述Transformer分支采用Transformer編碼器，所述CNN分支包括兩個(gè)第一卷積層，所述特征交互模塊包括兩個(gè)第二卷積層、下采樣層和上采樣層；
3.根據(jù)權(quán)利要求1所述的基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其特征在于，步驟2中，所述網(wǎng)絡(luò)訓(xùn)練的過(guò)程中，采用由中心損失和交叉熵?fù)p失構(gòu)成的組合損失函數(shù)。
4.根據(jù)權(quán)利要求1所述的基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其特征在于，步驟3中，采用粒子群優(yōu)化算法對(duì)超球體模型的參數(shù)進(jìn)行優(yōu)化得到最優(yōu)超球體模型；其中，一個(gè)粒子代表超球體模型的一組參數(shù)，采用超球體模型在所述參數(shù)下的分類準(zhǔn)確率作為粒子的適應(yīng)度。
5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其
6.根據(jù)權(quán)利要求5所述的基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其特征在于，針對(duì)當(dāng)前采集的LED設(shè)備，在不同距離和不同角度下采集所述LED設(shè)備發(fā)射的光信號(hào)。
7.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別方法，其特征在于，步驟2或步驟4中，在將光譜數(shù)據(jù)輸入至特征提取網(wǎng)絡(luò)之前，還包括：對(duì)所述光譜數(shù)據(jù)進(jìn)行預(yù)處理；所述預(yù)處理包括：去噪和/或歸一化。
8.基于Transformer和支持向量數(shù)據(jù)描述的LED光譜指紋開集識(shí)別系統(tǒng)，其特征在于，包括：
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述的方法。
10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述的方法。
...【技術(shù)特征摘要】
1.基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法，其特征在于，所述transformer分支采用transformer編碼器，所述cnn分支包括兩個(gè)第一卷積層，所述特征交互模塊包括兩個(gè)第二卷積層、下采樣層和上采樣層；
3.根據(jù)權(quán)利要求1所述的基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法，其特征在于，步驟2中，所述網(wǎng)絡(luò)訓(xùn)練的過(guò)程中，采用由中心損失和交叉熵?fù)p失構(gòu)成的組合損失函數(shù)。
4.根據(jù)權(quán)利要求1所述的基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法，其特征在于，步驟3中，采用粒子群優(yōu)化算法對(duì)超球體模型的參數(shù)進(jìn)行優(yōu)化得到最優(yōu)超球體模型；其中，一個(gè)粒子代表超球體模型的一組參數(shù)，采用超球體模型在所述參數(shù)下的分類準(zhǔn)確率作為粒子的適應(yīng)度。
5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的基于transformer和支持向量數(shù)據(jù)描述的led光譜指紋開集識(shí)別方法，其特征...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李盾，申麗慧，馬瑞鵬，張劍，張二峰，張艷語(yǔ)，朱義君，
申請(qǐng)(專利權(quán))人：中國(guó)人民解放軍網(wǎng)絡(luò)空間部隊(duì)信息工程大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。