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！

龙图腾网获悉北京理工大学申请的专利基于层次聚类与时频卷积的多雷达辐射源分选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：CN119719883B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411604746.3，技术领域涉及：G06F18/241；该发明授权基于层次聚类与时频卷积的多雷达辐射源分选识别方法是由刘泉华;张嘉翔;韩鑫瑞;梁振楠;王博;蔡思远设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本基于层次聚类与时频卷积的多雷达辐射源分选识别方法在说明书摘要公布了：本发明公开了一种基于层次聚类与时频卷积的多雷达辐射源分选识别方法，能解决类内分簇与类间混叠现象，并高效完成多类别的分选识别；相比传统分选算法，可以有效解决类内特征分布，类间特征混叠的问题，并且分选算法处理速度提升；针对原始PDW特征存在类间特征分布范围重叠度高，可分性差问题，基于慢时间维TFA提取不同类别间的周期特征，提高了识别效果。

本发明授权基于层次聚类与时频卷积的多雷达辐射源分选识别方法在权利要求书中公布了：1.多雷达辐射源分选识别方法，其特征在于，包括： 步骤S1，基于特征概率分布函数进行初聚类，包括： 步骤S1.1，对脉冲流做Ns倍均匀下采样； 步骤S1.2，拟合下采样后脉冲流的特征分布； 步骤S1.3，设置密度阈值hp划分特征分布，将高于密度阈值hp的样本点根据连续性分簇； 步骤S1.4，对剩余样本点i计算其属于簇c的后验概率Pc,i，选择特征概率密度最大的簇c作为样本点i的所属簇，得到初聚类簇集合C0； 步骤S2，基于簇间特征分布相似性进行同类簇合并，包括： 步骤S2.1，遍历簇集合C0，根据第c簇的PRI样本是否存在周期性判断是否为待合并的同类簇：如果具备周期性则进行步骤S5，否则执行下一步； 其中，根据第c簇的PRI样本是否存在周期性判断是否为待合并的同类簇的方法包括： 首先设置突变点筛选阈值选取|{Δ2TOAc,i}|hcp,c的作为突变点序列，周期性判别等价于对{Δ2TOAc,i}的索引的等差数列判别： 其中，Nc为第c簇的样本数量；Ncp,c为突变点样本数，hc为周期性判别阈值，modenum·为取众数样本数量： 其中，[·]为指示函数，当满足内部条件时取值为1，否则取值为0；mode·表示众数； 步骤S2.2，计算簇集合C0中两两簇之间的特征分布相似矩阵D； 步骤S2.3，合并相似矩阵中小于阈值hs的类别，得到合并簇集合C2； 步骤S3，基于TOA周期提取与模板匹配进行去混叠，包括： 步骤S3.1，计算合并簇C2中各簇的TOA特征密度通过检查其是否发生突变来判断该簇是否混叠，如果是混叠簇执行下一步，如果不混叠，则直接进行步骤S5； 步骤S3.2，从混叠簇中选择纯净样本段，并从中提取各分量的周期模板；然后依次对混叠簇中每个混叠样本段执行步骤S3.2.1和步骤S3.2.2： 步骤S3.2.1，确定混叠样本段的匹配起始样本点k； 步骤S3.2.2，从匹配起始样本点k开始，将混叠样本段与各分量的周期模板进行正向和反向匹配，匹配成功说明与当前分量的周期模板属于同一类别，以此类推，直至完成当前混叠段中所有分量的周期模板匹配，得到去混叠簇集合C3； 步骤S4，构建训练数据集并训练EfficientNet网络； 步骤S5，对于待识别的数据，采用步骤S1至步骤S3方法进行分选并应用训练好的EfficientNet网络对分选后数据集进行识别，得到各样本的辐射源类型识别结果。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。