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！

龙图腾网获悉西北工业大学申请的专利基于被动雷达信号的无人机载海面慢动目标识别方法及系统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：CN118839216B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202410864074.3，技术领域涉及：G06F18/241；该发明授权基于被动雷达信号的无人机载海面慢动目标识别方法及系统是由汪洪桥;许悦雷;喻国庆;王璇;张兆祥;郑爽;别晓峰;郭金库设计研发完成，并于2024-06-30向国家知识产权局提交的专利申请。

本基于被动雷达信号的无人机载海面慢动目标识别方法及系统在说明书摘要公布了：本发明公开了一种基于被动雷达信号的无人机载海面慢动目标识别方法及系统，将典型海面慢动目标的主要电磁辐射源——舰载搜索雷达作为被动雷达获取电磁辐射信号的来源，并基于舰船目标雷达参数和运用方式，通过仿真方法模拟出典型海面目标的被动雷达信号，在此基础上，建立典型海面慢动目标被动雷达信号样本库，得到数据驱动目标识别的样本基础，进而将样本信号输入被动雷达系统后端的目标识别系统，实现典型目标的识别，即目标类别的辨识。本发明可为大样本驱动的智能目标识别方法和系统构建提供先进技术指导，有助于拓展无人机载平台海面慢动目标的感知途径，丰富战场侦察与目标监视手段。

本发明授权基于被动雷达信号的无人机载海面慢动目标识别方法及系统在权利要求书中公布了：1.一种基于被动雷达信号的无人机载海面慢动目标识别方法，其特征在于，包括如下步骤： 步骤1：海面慢动目标被动雷达仿真样本库构建； 步骤1-1：海面慢动目标被动雷达信号模拟生成； 步骤1-1-1：定义大型海面舰船即目标1，其舰载搜索雷达电磁辐射频谱由0.85～0.94GHz、0.95～1.2GHz、2.9～3.1GHz、5.4～5.8GHz雷达信号组成； 定义中大型海面舰船即目标2，其舰载搜索雷达电磁辐射频谱由0.85～0.94GHz和0.95～1.2GH雷达信号组成； 根据目标1和目标2配备的不同频率电子设备，通过对线性调频LFM信号进行时频域变换和脉冲压缩，仿真模拟出相应的电磁信号，并将模拟产生的电磁信号的频谱作为特征； 步骤1-1-2：设目标1的被动雷达接收信号包含四型频率分别为0.85～0.94GHz、0.95～1.2GHz、2.9～3.1GHz、5.4～5.8GHz的雷达电磁辐射信号，设为振幅为1的正弦波，加上均值为0、方差为0.01的高斯噪声，其中的雷达开机随机； 目标2的被动雷达接收信号包含频率分别为0.85～0.94GHz、0.95～1.2GH的雷达电磁辐射信号，设为振幅为1的正弦波，加上均值为0、方差为0.01的高斯噪声，雷达开机随机； 仿真模拟目标3，即海面静止目标，目标3采用均值为0，方差为0.01的高斯噪声模拟； 步骤1-1-3：设定随机变量r，其值由0到1之间均匀分布的伪随机数确定： r＝rand1 按照概率P为0.6、0.3、0.1分别产生目标1、目标2、目标3三类样本，即： P＝[0.60.30.1] 设定目标频率矩阵FR为： FR＝[0.850.94；0.951.2；2.93.1；5.45.8] 对于目标1，被动雷达接收的雷达辐射信号为四种不同型号雷达的4个频率不同振幅为1的正弦波叠加，设其产生的混合频率为Fs，则针对4种不同型号雷达的Fsj为： Fsj＝FRj,1+r*FRj,2-FRj,1 其中，j＝1,2,3,4，表示雷达型号的序号； 对于目标2，其产生的混合频率Fs仅含有A、B两种型号雷达，被动雷达接收的雷达辐射信号为A、B两型雷达2个频率不同振幅为1的正弦波叠加，其目标频率矩阵FR为： FR'＝[0.850.94；0.951.2] 针对2种不同型号雷达的Fs'j为： Fs'j＝FR'j,1+r*FR'j,2-FR'j,1 其中，j＝1,2，表示雷达型号的序号； 基于混合频率，目标1仿真生成接收端一维时域波形信号s计算方式为： s＝sin2π*Fsj*t+randnsizes*0.1,j＝1,2,3,4 其中，randn为标准正态分布随机数产生函数，sizes为信号s的长度； 目标2仿真生成接收端一维时域波形信号s'计算方式为： s'＝sin2π*Fs'j*t+randnsizes'*0.1,j＝1,2 其中，randn为标准正态分布随机数产生函数，sizes'为信号s'的长度； 频域信号F为对应时域信号的傅里叶变换，对于目标1，计算方式为： F＝FFTs 步骤1-2：被动雷达信号样本加噪增广； 对被动雷达时域信号加入不同强度级别的随机噪声，对于目标1，加噪后的时域波形信号sAddnoise为： sAddnoise＝s+randnsizes*0.1 引入信噪比SNR，其计算公式为： 式中，Psignal为信号功率，Pnoise为噪声功率； 对于一个周期为T的正弦信号，其功率简化为： 即该正弦信号的周期平均功率等于振幅的平方除以2，考虑被动雷达信号为4个不同频率振幅为1的正弦波叠加而成，因此信号功率为 Psignal＝4*P正弦＝2A2 对于均值为0的高斯白噪声，噪声功率即为方差； 通过引入信噪比SNR进行计算，得到被动雷达时域信号加入不同强度级别高斯噪声后的信噪比； 步骤1-3：生成海面慢动目标被动雷达信号数据样本库； 基于步骤1-1，仿真得到单个目标样本的一维时域波形信号，信号序列长度为10s，通过0.01s的时间间隔采样，得到一个1001维的离散时间序列，每个采样点的幅值为一维时域波形信号s的值； 对离散时间序列采用.txt文档格式进行存储，使用变长的UTF-8编码方式，支持中文字符； 仿真出单个目标样本后生成多种目标类型和每一种类型的样本，构建出海面慢动目标被动雷达信号数据样本库； 建立每一个样本的索引，该索引采用.txt文档格式进行存储； 步骤2：基于被动雷达信号和多尺度一维卷积神经网络的目标识别； 无人机载被动雷达系统的前端信号获取装置通过收集典型海面慢动目标的电磁辐射信号，即三类目标的时域波形信号，基于构建的面向被动雷达信号的多尺度一维CNN分类器，通过仿真生成的三类目标样本进行监督学习，自动学习得到三类海面典型目标被动雷达信号的不同特征，实现目标1、目标2、目标3三类典型海面目标的识别，即三类目标类型的判；具体如下： 步骤2-1：构建面向被动雷达信号的多尺度一维CNN分类器； 所述多尺度一维CNN分类器输入端为一维被动雷达信号，该信号为1001个采样点的一维时域信号；信号输入后，首先经过一个一维卷积层conv1和一个最大池化层pool1，分别送入卷积核为3、5、7的三个尺度的卷积层通路，进行卷积和池化操作；每个卷积层通路又经过3层的卷积+最大池化处理；再通过三个通路张量的拼接，送入最大池化层pool2；最终通过两个全连接层fc1，fc2，送入softmax激活函数，即得到三类目标识别问题中的输出层； 步骤2-2：基于被动雷达信号的海面慢动目标识别输入输出模式； 将输入信号设计成通用的一维时域信号，根据样本信号仿真生成的采样数参数设置，信号长度为1001，该长度也能够根据样本生成需求，调整长度值；对于实际的雷达时域信号，采用嵌入式数据采集卡，按需要采集不同长度的一维离散信号，在此基础上，构建样本信号矩阵，便于后续CNN运算操作； 将输出端设计成目标1、目标2、目标3共个类别标号，经过Softmax运算，直接输出当前样本属于3类目标的概率值，概率值最大的这一类就是当前样本的识别结果。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。