买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于拉格朗日神经网络的被动雷达目标定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116106923B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310101397.2，技术领域涉及：G01S17/42；该发明授权基于拉格朗日神经网络的被动雷达目标定位方法是由周宇;孙殿举;张哲昊;张诗羽;南梦凡设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本基于拉格朗日神经网络的被动雷达目标定位方法在说明书摘要公布了：本发明公开了一种基于拉格朗日神经网络的被动雷达目标定位方法，解决了异常量测值下目标稳定定位问题。实现包括：建立观测模型；得到目标到主、辅接收站时差量测值；列定位方程；把定位转为带约束优化；构建并重新构建拉格朗日乘子式；定义求解两类神经元；构建拉格朗日神经网络；得到被动雷达目标定位的目标位置。本发明通过优化，并通过拉格朗日乘子法得到拉格朗日乘子式，通过求导求解构建拉格朗日神经网络，将传统的方式变成了在拉格朗日神经网络中迭代，避免了线性化损失，实现异常量测值时目标稳定定位。本发明在低信噪比下有更高定位精度；实现稳定定位。用于多站被动雷达定位。

本发明授权基于拉格朗日神经网络的被动雷达目标定位方法在权利要求书中公布了：1.一种基于拉格朗日神经网络的被动雷达目标定位方法，其特征在于，使用基于拉格朗日神经网络去求解被动雷达场景下的目标位置，包括有如下步骤： 1建立目标到达时间的观测模型：首先设定目标以及主、辅接收站的位置，然后以主接收站为观测中心，列出观测场景下的基于目标信号到达主、辅接收站的到达距离差的观测方程，形成目标到达时间的观测模型； 1a设定目标以及主、辅接收站的位置：设定目标位置x,y，设定x0,y0为主接收站的位置，设定x1,y1x2,y2…xM-1,yM-1为辅接收站的位置，i表示第i个辅接收站，i＝1,2,…,M-1； 1b列出目标到达主、辅接收站距离差的观测方程：根据目标位置和主、辅接收站的位置，以主接收站为观测中心，在各个接收站接收到信号以后，进行信号检测与信号处理，获得目标即辐射源信号到达各个接收站的时间，设目标信号到主接收站时间为t0，到M-1个辅接收站的时间，分别为t1,t2,…,tM-1，计算辐射源目标信号到主接收站与M-1个辅接收站的时间差，分别为Δt1,Δt2,…,ΔtM-1，得到目标到主、辅接收站的距离差为Δti·c，则基于目标到达主、辅接收站的距离差的观测方程为: 其中，Δti为达到时间差，Δti＝ti-t0,i＝1,2,…,M-1，c＝3×108ms为光速，此时Δti表示第i个辅接收站与主接收站的时间差； 2得到目标到主、辅接收站时差的量测值τi；基于目标到达主、辅接收站的时间差，得到目标信号到主、辅接收站的到达时差的量测值；设目标到主、辅接收站的时差的量测值为τi，τi由时差的真实值Δti加测量噪声矢量σi组成，得到τi为： τi＝Δti+σi 其中σi为噪声分量,σi＝[σ1,σ2,…,σM]，设定噪声分量是服从零均值高斯分布的独立同分布的随机变量； 3列求解目标位置的定位方程：由目标到主、辅接收站的时差的量测值，列出求解目标位置的带有测量误差的定位方程为： 4把求解定位方程的问题转为求解带约束的优化问题：在处理带有测量误差的定位方程时，将带有测量误差的定位方程，基于测量值与真实值的最小均方误差准则，转为带约束的目标优化问题，列出优化问题中关于目标定位求解的目标函数和约束条件为： 约束条件：ri 2＝x-xi2+y-yi2，i＝1,2,…,M-1 此时，目标函数的形式为二范数的形式；其中，di为目标到主辅接收站距离差的量测值，r0为目标到主接收站的真实距离，ri为目标到辅接收站的真实距离； 5构建二范数形式下的拉格朗日乘子式Lri,r0,x,y,λi：用优化问题的二范数形式下的目标函数以及其与主、辅接收站个数相关的约束构建拉格朗日乘子式； 其中，ri,r0,x,y,λi为待优化变量，λi表示第i个拉格朗日乘子；为了使得拉格朗日神经网络LPNN更快的达到一个平衡稳定的状态，引入增广项为： 其中，C0为增广项系数； 6将二范数形式下的目标函数变为一范数形式，并用函数近似法替换：在实际的测量时差定位的过程中，由于信号干扰或者是非视距传播，导致测量的距离差包括异常值，这会对定位结果产生很大的影响；在最小均方误差准则中，因为二范数带有平方项，相比于一范数对异常值更加敏感，把二范数形式的目标函数变为一范数形式的目标函数，并用近似函数替换一范数形式的目标函数，得到近似后的目标函数； 7重新构建函数近似后的拉格朗日乘子式：使用拉格朗日乘子法，重新构建近似函数替换后的拉格朗日乘子式，为后续的构建拉格朗日神经网络做准备； 8定义并求解两类神经元：定义拉格朗日乘子式中的待优化变量ri,r0,x,y对时间的求导为决策变量神经元；定义拉格朗日乘子式中的待优化变量λi对时间的求导为拉格朗日神经元；其中，决策变量神经元负责寻找原问题的最小点，这个神经元最终会给出神经网络的平衡点，以此来为寻找原问题的最小点作进一步的判断；拉格朗日神经元则负责将动态轨迹快速的引入可行域；进而基于拉格朗日乘子式求解两类神经元，以此进一步为构建拉格朗日神经网络做准备； 9构建拉格朗日神经网络：首先设定待优化变量ri,r0,x,y,λi的初始值，以及每个变量不同的学习率；然后，设定各个待优化变量的终止迭代条件包括变化量阈值和最大迭代次数；同时，每个待优化变量按照自己的学习率进行学习迭代，当每次迭代的变化量小于阈值或超过最大迭代次数时，迭代停止，网络动态平衡； 10得到被动雷达目标定位的目标位置：通过每个决策变量神经元和拉格朗日神经元不断学习，当迭代停止网络动态平衡时，根据平衡点输出的神经元信息，得到被动雷达场景下目标定位的目标位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。