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！

龙图腾网获悉武汉大学苏州研究院申请的专利基于外源雷达的飞鸟与无人机航迹目标分类方法及设备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：CN115481680B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211073085.7，技术领域涉及：G06F18/241；该发明授权基于外源雷达的飞鸟与无人机航迹目标分类方法及设备是由饶云华;许婷;王迪;王胜涛设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本基于外源雷达的飞鸟与无人机航迹目标分类方法及设备在说明书摘要公布了：本发明提供了一种基于外源雷达的飞鸟与无人机航迹目标分类方法及设备。所述方法包括：步骤1至步骤4。本发明计算量较小并且在低空小目标短航迹时其优点尤为突出，可以提升雷达系统目标分类识别性能，对于外辐射源雷达实际应用非常有意义。

本发明授权基于外源雷达的飞鸟与无人机航迹目标分类方法及设备在权利要求书中公布了：1.一种基于外源雷达的飞鸟与无人机航迹目标分类方法，其特征在于，包括：步骤1、获取无人机和飞鸟航迹数据并进行预处理，将目标的位置、速度、加速度信息作为特征输入向量，计算所有航迹文件数据长度的统计量，确定文件的四种标准长度，处理时根据选定的单一标准长度，将较长的序列截断，并填充比标准长度短的序列，使得所有航迹文件长度统一，对航迹文件时长序列数据进行预处理，将局部奇异值去除并进行切比雪夫去噪，其中，所述统计量包括平均值、标准差、较大四分位数、中位数；步骤2、建立无人机和飞鸟航迹二分类模型，并构建分类指标进行二分类模型性能的定量评估，所述分类指标分别是正确率、精确率、召回率、F1-score和ROC曲线，其中F1-score是综合考虑精确率和召回率而产生的指标；步骤3、构建由改进的LSTM单元和卷积神经网络CNN组成的飞行航迹深度学习网络；步骤4、划分数据集进行训练，训练集、验证集、测试集划分比例为5：1：4，使用步骤1选定的四种标准长度以及average函数三种不同参数进行模型的对比训练，并进行结果分析； 所述步骤3具体包括：根据飞鸟和无人机飞行特点不同，使得航迹特征也有所不同的识别要求，飞鸟在飞翔过程中机动性更强，而无人机更加平稳，在LSTM输入端，即神经网络内部记忆状态向量加入一可调权值器，当机动性强时则增加权值，放大航迹特征，便于航迹特征识别，采用LSTM学习目标航迹的复杂的时间动态特性后，继续采用卷积神经网络对输入数据进行处理提取特征的流程中，通过反馈回路来优化处理参数获得最优解，采用位于中间处理过程中的隐藏层来提取存储输入数据中的关键特征。

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武汉大学苏州研究院，其通讯地址为：215123 江苏省苏州市苏州工业园区独墅湖科技创新区林泉街377号公共学院5号楼；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”。