買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南昌航空大學申請的專利一種基于多對抗域和度量學習的雷達工作模式識別算法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115659235B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211272772.1，技術領域涉及：G06F18/241；該發明授權一種基于多對抗域和度量學習的雷達工作模式識別算法是由肖永生;胡義海;黃麗貞;周建江;時晨光;賀豐收;趙珂;方芳;葉愛華;萬在紅;饒烜;孫成立設計研發完成，并于2022-10-18向國家知識產權局提交的專利申請。

本一種基于多對抗域和度量學習的雷達工作模式識別算法在說明書摘要公布了：本發明公開了一種基于多對抗域和度量學習的雷達工作模式識別算法，包括以下步驟S1、源域含有標簽的雷達數據序列與不含有標簽的目標域雷達數據序列一同輸入到特征提取器中；S2、通過特征提取器提取出源域與目標域混合數據的特征和類間差異；S3、特征提取器中得到的源域和目標域混合數據特征輸入特征分類器中得到特征分類結果，得到不含有標簽的目標域雷達數據序列的分類標簽，域判別損失，源域分類損失；S4、特征提取器中得到的源域和目標域混合數據特征輸入給領域判別器中分別以數據片段的形式進行多特征領域判別，得到子域分類結果和子域分類損失；S5、對模型進行迭代求解，最終得出高可信度的目標域雷達數據分類標簽。

本發明授權一種基于多對抗域和度量學習的雷達工作模式識別算法在權利要求書中公布了：1.一種基于多對抗域和度量學習的雷達工作模式識別算法，其特征在于：所述算法包括以下步驟， S1、源域含有標簽的雷達數據序列與不含有標簽的目標域雷達數據序列一同輸入到特征提取器中； S2、通過特征提取器提取出源域與目標域混合數據的特征和類間差異； S3、特征提取器中得到的源域和目標域混合數據特征輸入特征分類器中得到特征分類結果，得到不含有標簽的目標域雷達數據序列的分類標簽、域判別損失、源域分類損失； S4、特征提取器中得到的源域和目標域混合數據特征輸入給領域判別器中分別以數據片段的形式進行多特征領域判別，得到子域分類結果和子域分類損失； S5、基于以上類間差異、域判別損失、源域分類損失、子域分類損失對模型進行迭代求解，最終得出高可信度的目標域雷達數據分類標簽； 所述S2中的混合數據的特征為特征分類器循環網絡BiGRU的輸出特征向量，類間差異度量函數公式如下式1所示： 1 式1中表示特征提取器當前混合輸出特征為個特征，每個特征向量為N維；表示源域第個樣本數據經過特征提取器后提取出的特征，表示提取出的特征矩陣的轉置，表示矩陣的2范數，為雷達數據序列樣本數目； 所述S3中的特征分類器為，其控制權重為，分類標簽是經過帶有權重的Softmax分類層得到雷達工作模式分類標簽向量；域判別損失度量函數公式如下式2所示： 2 式2中為雷達數據序列樣本數目，表示源域第個數據，表示源域第個數據的標簽，表示對數據做特征提取處理，表示對數據進行特征分類處理，為交叉熵函數；源域分類損失為改進型加性余弦間隔損失度量函數，其公式如下式3所示： 3 式3中表示雷達數據序列樣本數目，表示雷達序列分類數，表示余弦系數，表示余弦間隔，表示源域雷達樣本與其自身攜帶的標簽權重的夾角，表示源域雷達樣本與非其自身標簽權重的夾角； 所述S4中的領域判別器為，其控制權重為，域分類結果為判斷當前特征屬于源域或目標域，其子域分類損失為，其公式如下式4所示： 4 式4中，為第個域鑒別網絡函數，為樣本偽標簽向量的第個分量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南昌航空大學，其通訊地址為：330038 江西省南昌市市豐和南大道696號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。