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！

龙图腾网获悉安徽大学申请的专利一种基于高效多模态缓存模型的雷达有源复合干扰识别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：CN119881812B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510075415.3，技术领域涉及：G01S7/36；该发明授权一种基于高效多模态缓存模型的雷达有源复合干扰识别方法是由曹宜策;石雯;范恩岐;吴振华;曹全奇;王腾鑫;杨利霞设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于高效多模态缓存模型的雷达有源复合干扰识别方法在说明书摘要公布了：本发明公开了一种基于高效多模态缓存模型的雷达有源复合干扰识别方法，所属领域为雷达有源干扰识别领域，包括：获取仿真雷达有源干扰时域数据，将仿真雷达有源干扰时域数据拆分为训练集和测试集，将所述训练集划分为训练支撑集和训练查询集；基于视觉缓存模块、文本缓存模块和残差连接模块构建高效多模态缓存模型；基于所述训练支撑集和训练查询集对所述高效多模态缓存模型进行训练，通过测试集对训练后的模型进行测试，获得干扰识别模型；基于所述干扰识别模型对雷达有源复合干扰进行识别。本发明能够高效利用并深入挖掘有限干扰样本，从而提高雷达有源复合干扰识别的准确率。

本发明授权一种基于高效多模态缓存模型的雷达有源复合干扰识别方法在权利要求书中公布了：1.一种基于高效多模态缓存模型的雷达有源复合干扰识别方法，其特征在于，包括： 获取仿真雷达有源干扰时域数据，将仿真雷达有源干扰时域数据拆分为训练集和测试集，将所述训练集划分为训练支撑集和训练查询集； 基于视觉缓存模块、文本缓存模块和残差连接模块构建高效多模态缓存模型； 基于所述训练支撑集和训练查询集对所述高效多模态缓存模型进行训练，通过测试集对训练后的模型进行测试，获得干扰识别模型； 基于所述干扰识别模型对雷达有源复合干扰进行识别； 所述高效多模态缓存模型的运作过程包括： 基于所述视觉缓存模块提取训练支撑集干扰的时频图像特征和标签独热编码构建键值对；其中，所述视觉缓存模块包括视觉编码器、视觉特征优化器、独热编码器和视觉缓存，所述视觉特征优化器由两个全连接层和一个dropout层组成，第一个全连接层的输出维度是512，第二个全连接层的输出维度是36；所述视觉编码器基于预训练的CLIP的视觉编码部分构成； 基于所述文本缓存模块提取基于标签先验信息构建的文本特征；其中所述文本缓存模块包括文本编码器、文本特征优化器和文本缓存；所述文本编码器基于预训练的CLIP的文本编码部分构成，所述文本特征优化器由一个全连接层和一个dropout层组成，所述全连接层的输出维度为36； 基于所述视觉编码器和所述视觉特征优化器提取训练查询集干扰时频特征，基于所述视觉缓存检索训练查询集的干扰时频特征与训练支持集视觉亲和度获得视觉预测特征； 基于所述文本缓存检索训练查询集干扰时频特征与训练支持集文本亲和度获得文本预测特征； 基于残差模块对所述视觉预测特征和所述文本预测特征进行融合，获得干扰识别结果； 基于所述视觉缓存模块提取训练支撑集干扰的时频图像特征和标签独热编码构建键值对的过程包括： 基于所述独热编码器将所述训练支撑集的标签转化为独热编码： 基于短时傅里叶变换将训练支撑集的时域信号转化成时频图； 基于所述视觉编码器和所述视觉特征优化器提取所述时频图提取时频特征； 将所述时频特征作为视觉缓存的值，将所述独热编码作为视觉缓存的键储存至所述视觉缓存中。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。