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！

龍圖騰網獲悉西安電子科技大學申請的專利基于深度特征融合網絡的窄帶雷達空中目標分類方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：CN117079034B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202311055361.1，技術領域涉及：G06V10/764；該發明授權基于深度特征融合網絡的窄帶雷達空中目標分類方法是由劉崢;郭澤坤;謝榮;李嘉楠;徐寒錚設計研發完成，并于2023-08-21向國家知識產權局提交的專利申請。

本基于深度特征融合網絡的窄帶雷達空中目標分類方法在說明書摘要公布了：本發明提出了一種基于深度特征融合網絡的窄帶雷達空中目標分類方法，實現步驟為：獲取訓練樣本集和測試樣本集；構建深度特征融合網絡；定義最大邊緣正交損失函數；初始化參數：對深度特征融合網絡進行訓練；對深度特征融合網絡的參數進行更新；獲取空中目標分類結果。本發明對深度特征融合網絡進行訓練和獲取空中目標分類結果，其中卷積模塊對窄帶雷達淺層特征進行自適應融合并提取深層全局特征，然后聯合通道、空間注意力模塊基于深層全局特征獲取局部高可分性特征，避免了現有技術利用淺層特征進行融合致使分類準確率較低的缺陷。利用目標重構誤差對庫外目標進行篩除，提高了分類的可靠性。最后，通過端到端的網絡結構，有效提高了分類的實時性。

本發明授權基于深度特征融合網絡的窄帶雷達空中目標分類方法在權利要求書中公布了：1.一種基于深度特征融合網絡的窄帶雷達空中目標分類方法，其特征在于包括如下步驟： 1獲取訓練樣本集和測試樣本集： 獲取窄帶雷達目標回波數據中由C個庫外誘餌目標和N-C個庫內目標組成的N個類別的D組目標特征數據，并對每組目標特征數據進行預處理后得到的特征序列進行標注，然后將預處理得到的M組庫內特征序列中的S組及其標簽組成訓練樣本集Xtr，將預處理后的M′組庫外特征序列及剩余的M-S組庫內特征序列組成測試樣本集Xte，其中，N-2≥C≥1，N≥3，D≥10， 2構建深度特征融合網絡O： 構建包括編碼模塊、與其級聯且并行排布的解碼模塊和全連接模塊，以及級聯在全連接模塊輸出端的Softmax函數層的深度特征融合網絡O，其中，編碼模塊包括多個級聯的復合模塊，每個復合模塊級聯的包括一個或多個卷積模塊、一個通道注意力模塊和一個空間注意力模塊，用于提取輸入數據的特征；解碼模塊包括多個級聯的反卷積模塊，用于對編碼模塊所提取的特征進行重構； 3定義最大邊緣正交損失函數LMOP： 其中，Pxs為第s個樣本xs的分類概率，為第s個類別ys的中心，||·||2為L2范數，θs,j為第s個類別ys與第j個類別yj的特征向量之間的夾角，λ和γ為均衡因子； 4初始化參數： 初始化訓練迭代次數為t，最大迭代次數為T，T≥1000，第t次迭代的深度特征融合網絡中的編碼模塊、解碼模塊和全連接模塊的參數分別為φt、αt和μt，并令t＝0； 5對深度特征融合網絡O進行訓練： 將訓練樣本集Xtr作為深度特征融合網絡O的輸入進行前向傳播，得到S個與輸入訓練樣本集Xtr對應的分類概率P和重構特征序列 6對深度特征融合網絡O的參數進行更新獲取訓練好的深度特征融合網絡： 通過步驟5獲得的S個分類概率P、重構特征序列分別對編碼模塊的參數φt和全連接模塊的參數αt、解碼模塊的參數μt進行更新，得到本次迭代的深度特征融合網絡Ot，判斷t≥T是否成立，若是，得到訓練好的深度特征融合網絡O*，否則，令t＝t+1，Ot＝O，并執行步驟5； 7獲取空中目標分類結果： 將測試樣本集Xte作為訓練好的深度特征融合網絡O*的輸入進行前向傳播，得到與Q個測試樣本對應的Q組重構特征序列和Q個分類概率PQ，并通過MSE損失函數計算每一組與Xte的損失值，得到Q個重構誤差Lr，然后判斷每個Lr與預先設定的閾值τ是否滿足Lr≥τ，若是，則判定滿足Lr≥τ的測試樣本對應的目標為庫外目標，對其進行篩除，否則判定滿足Lr＜τ的測試樣本對應的目標為庫內目標，對其進行分類，得到分類結果，Q＝M-S。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2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”。