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！

龙图腾网获悉南京理工大学申请的专利基于散射特征提取与融合的自适应训练卫星目标辨识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：CN120198819B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510671149.0，技术领域涉及：G06V20/13；该发明授权基于散射特征提取与融合的自适应训练卫星目标辨识方法及系统是由王绍然;李猛猛;丁大志;李书晗设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本基于散射特征提取与融合的自适应训练卫星目标辨识方法及系统在说明书摘要公布了：本发明公开了一种基于散射特征提取与融合的自适应训练卫星目标辨识方法及系统，具体为：根据逆合成孔径雷达接收到的卫星目标回波，通过二维逆傅里叶变换获取原始姿态的逆合成孔径雷达图像数据集，通过逆向参数化建模算法获取原始姿态的属性散射中心模型数据集；利用属性散射中心模型的扩展性，获取姿态变换后的属性散射中心模型数据集和逆合成孔径雷达图像数据集；建立卫星目标辨识网络模型，并采用自适应训练方法进行训练；利用开集识别算法，基于训练后的模型输出概率分布向量，实现关注的卫星目标种类辨识与非关注的卫星目标种类判别。本发明提高了卫星目标辨识精度，并且能够判别非关注的卫星目标，实现更复杂环境场景的目标辨识。

本发明授权基于散射特征提取与融合的自适应训练卫星目标辨识方法及系统在权利要求书中公布了：1.一种基于散射特征提取与融合的自适应训练卫星目标辨识方法，其特征在于，包括以下步骤： 步骤1、通过二维逆傅里叶变换，从逆合成孔径雷达接收到的卫星目标回波中，获取卫星目标原始姿态的逆合成孔径雷达图像数据集； 步骤2、通过逆向参数化建模算法，从逆合成孔径雷达接收到的卫星目标回波中，获取卫星目标原始姿态的属性散射中心模型数据集； 步骤3、利用属性散射中心模型的扩展性，获取卫星目标姿态变换后的属性散射中心模型数据集，并确定卫星目标姿态变换后的逆合成孔径雷达图像数据集； 步骤4、基于卷积网络与图卷积网络建立卫星目标辨识网络模型，然后基于卫星目标原始姿态的逆合成孔径雷达图像数据集和属性散射中心模型数据集，以及卫星目标姿态变换后的逆合成孔径雷达图像数据集和属性散射中心模型数据集，采用自适应训练方法训练卫星目标辨识网络模型； 步骤5、利用开集识别算法，通过训练后的卫星目标辨识网络模型输出概率分布向量，通过概率分布向量实现关注的卫星目标种类辨识与非关注的卫星目标种类判别； 步骤2所述逆向参数化建模算法，具体如下： 步骤2.1、通过一维逆傅里叶变换，从卫星目标回波中获取卫星目标一维距离像与卫星目标一维方位像； 步骤2.2、通过峰值检测方法，从卫星目标一维距离像、卫星目标一维方位像中分别提取属性散射中心的距离维度分布、方位维度分布，基于属性散射中心的距离维度分布与方位维度分布，分别获取散射中心的距离维度位置、散射中心的方位维度位置，从而确定散射中心的二维位置； 步骤2.3、基于已经提取的散射中心的二维位置，定位属性散射中心在逆合成孔径雷达图像中的位置，通过属性散射中心在逆合成孔径雷达图像中的方位维度分布长度获取散射中心的长度； 步骤2.4、基于已经提取的散射中心的长度获取散射中心的角度依赖因子：如果散射中心的长度为0，那么该散射中心为局部式散射中心，散射中心的角度依赖因子为；如果散射中心的长度大于0，那么该散射中心为分布式散射中心，散射中心的角度依赖因子为0； 步骤2.5、通过最小二乘法获取散射中心的幅度与散射中心的频率依赖因子，最小二乘法的优化目标函数的表达式为： 2 其中是优化目标函数，第个散射中心的幅度、第个散射中心的频率依赖因子是被优化参数；是雷达频率为、雷达方位角为时的总散射场；表示雷达频率为、雷达方位角为时，幅度为、频率依赖因子为的第个散射中心的散射场；是代表优化到最小值，代表二范数； 通过逆向参数化建模算法提取的卫星目标的属性散射中心模型的参数，构建卫星目标原始姿态的属性散射中心模型，多种卫星目标原始姿态的属性散射中心模型，构成卫星目标原始姿态的属性散射中心模型数据集； 步骤3所述利用属性散射中心模型的扩展性，获取卫星目标姿态变换后的属性散射中心模型数据集，并确定卫星目标姿态变换后的逆合成孔径雷达图像数据集，具体如下： 步骤3.1、随着卫星目标姿态的变换，卫星目标的属性散射中心的二维位置发生同样的变换，卫星目标的姿态变换通过旋转矩阵描述，旋转矩阵的表达式为： 3 其中为旋转矩阵，为旋转角度； 卫星目标姿态变换后第个散射中心的二维位置为，则，是姿态变换后的第个散射中心的距离维度位置，是姿态变换后的第个散射中心的方位维度位置； 卫星目标姿态变换后的第个散射中心的长度为，则；若卫星目标姿态变换后的第个散射中心的长度，那么姿态变换后的第个散射中心的角度依赖因子；若姿态变换后的第个散射中心的长度，那么姿态变换后的第个散射中心的角度依赖因子； 卫星目标姿态变换前后，散射中心的幅度与散射中心的频率依赖因子不改变； 通过处理卫星目标原始姿态的属性散射中心模型数据集中属性散射中心模型的参数，得到卫星目标姿态变换后的属性散射中心模型数据集； 步骤3.2、通过卫星目标姿态变换后的属性散射中心模型，确定卫星目标姿态变换后的逆合成孔径雷达图像，表达式为： 4 其中为逆合成孔径雷达图像，为距离维度，为方位维度，为雷达带宽，是雷达载频的波长，是电磁波传播速率，为雷达扫角宽度； 是带通滤波函数，若，则；若或，则； 基于卫星目标姿态变换后的属性散射中心模型数据集，构建卫星目标姿态变换后的逆合成孔径雷达图像数据集。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。