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深度特征融合网络的窄带雷达空中目标分类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：CN117079034B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202311055361.1，技术领域涉及：G06V10/764；该发明授权基于深度特征融合网络的窄带雷达空中目标分类方法是由刘峥;郭泽坤;谢荣;李嘉楠;徐寒铮设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本基于深度特征融合网络的窄带雷达空中目标分类方法在说明书摘要公布了：本发明提出了一种基于深度特征融合网络的窄带雷达空中目标分类方法，实现步骤为：获取训练样本集和测试样本集；构建深度特征融合网络；定义最大边缘正交损失函数；初始化参数：对深度特征融合网络进行训练；对深度特征融合网络的参数进行更新；获取空中目标分类结果。本发明对深度特征融合网络进行训练和获取空中目标分类结果，其中卷积模块对窄带雷达浅层特征进行自适应融合并提取深层全局特征，然后联合通道、空间注意力模块基于深层全局特征获取局部高可分性特征，避免了现有技术利用浅层特征进行融合致使分类准确率较低的缺陷。利用目标重构误差对库外目标进行筛除，提高了分类的可靠性。最后，通过端到端的网络结构，有效提高了分类的实时性。

本发明授权基于深度特征融合网络的窄带雷达空中目标分类方法在权利要求书中公布了：1.一种基于深度特征融合网络的窄带雷达空中目标分类方法，其特征在于包括如下步骤： 1获取训练样本集和测试样本集： 获取窄带雷达目标回波数据中由C个库外诱饵目标和N-C个库内目标组成的N个类别的D组目标特征数据，并对每组目标特征数据进行预处理后得到的特征序列进行标注，然后将预处理得到的M组库内特征序列中的S组及其标签组成训练样本集Xtr，将预处理后的M′组库外特征序列及剩余的M-S组库内特征序列组成测试样本集Xte，其中，N-2≥C≥1，N≥3，D≥10， 2构建深度特征融合网络O： 构建包括编码模块、与其级联且并行排布的解码模块和全连接模块，以及级联在全连接模块输出端的Softmax函数层的深度特征融合网络O，其中，编码模块包括多个级联的复合模块，每个复合模块级联的包括一个或多个卷积模块、一个通道注意力模块和一个空间注意力模块，用于提取输入数据的特征；解码模块包括多个级联的反卷积模块，用于对编码模块所提取的特征进行重构； 3定义最大边缘正交损失函数LMOP： 其中，Pxs为第s个样本xs的分类概率，为第s个类别ys的中心，||·||2为L2范数，θs,j为第s个类别ys与第j个类别yj的特征向量之间的夹角，λ和γ为均衡因子； 4初始化参数： 初始化训练迭代次数为t，最大迭代次数为T，T≥1000，第t次迭代的深度特征融合网络中的编码模块、解码模块和全连接模块的参数分别为φt、αt和μt，并令t＝0； 5对深度特征融合网络O进行训练： 将训练样本集Xtr作为深度特征融合网络O的输入进行前向传播，得到S个与输入训练样本集Xtr对应的分类概率P和重构特征序列 6对深度特征融合网络O的参数进行更新获取训练好的深度特征融合网络： 通过步骤5获得的S个分类概率P、重构特征序列分别对编码模块的参数φt和全连接模块的参数αt、解码模块的参数μt进行更新，得到本次迭代的深度特征融合网络Ot，判断t≥T是否成立，若是，得到训练好的深度特征融合网络O*，否则，令t＝t+1，Ot＝O，并执行步骤5； 7获取空中目标分类结果： 将测试样本集Xte作为训练好的深度特征融合网络O*的输入进行前向传播，得到与Q个测试样本对应的Q组重构特征序列和Q个分类概率PQ，并通过MSE损失函数计算每一组与Xte的损失值，得到Q个重构误差Lr，然后判断每个Lr与预先设定的阈值τ是否满足Lr≥τ，若是，则判定满足Lr≥τ的测试样本对应的目标为库外目标，对其进行筛除，否则判定满足Lr＜τ的测试样本对应的目标为库内目标，对其进行分类，得到分类结果，Q＝M-S。

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 陕西省西安市雁塔区太白南路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”。