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！

龙图腾网获悉中国科学院声学研究所南海研究站申请的专利一种脉冲压缩雷达海面目标自进化检测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：CN116559816B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310685216.5，技术领域涉及：G01S7/41；该发明授权一种脉冲压缩雷达海面目标自进化检测方法是由李松斌;王津港设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本一种脉冲压缩雷达海面目标自进化检测方法在说明书摘要公布了：本发明公开了一种适用于脉冲压缩雷达的海面目标自进化检测方法，该方法包括：在雷达当前工作环境下采集无监督回波样本，并进行预处理；对预处理后的每一个无监督回波样本，通过对预先训练好的一组教师模型计算多专家联合信息熵，实现可靠样本筛选；再基于目标镜像进行数据扩充；基于扩充后的可靠样本，通过异类域混合损失来优化学生模型，得到训练好的检测模型；对待检测雷达回波经规整处理后输入检测模型实现海面目标检测；所述教师模型和学生模型结构相同，均通过卷积神经网络和注意力机制实现。本发明的方法能够进行高精度的海杂波背景下的雷达海面目标检测，提升了检测精度，也更适用于对多种不同海面目标以及强海杂波背景下的检测。

本发明授权一种脉冲压缩雷达海面目标自进化检测方法在权利要求书中公布了：1.一种适用于脉冲压缩雷达的海面目标自进化检测方法，所述方法包括： 步骤1在雷达当前工作环境下采集无监督回波样本，并进行预处理； 步骤2对预处理后的每一个无监督回波样本，通过对预先训练好的一组教师模型计算多专家联合信息熵，实现可靠样本筛选； 步骤3对筛选得到的可靠样本，进行基于目标镜像的数据扩充； 步骤4基于扩充后的可靠样本，通过异类域混合损失来优化学生模型，得到训练好的检测模型； 步骤5对待检测雷达回波经规整处理后输入检测模型实现海面目标检测； 所述教师模型和学生模型结构相同，均通过卷积神经网络和注意力机制实现； 所述步骤1包括： 在雷达当前工作环境下采集回波样本，按每组a段随机分成b组，并对每一段雷达回波进行匹配滤波处理，随后采用归一化操作对滤波结果的幅度进行规整，规整后，数据幅值分布在0‑1之间，完成预处理； 随机读取一组预处理后的回波数据，对匹配滤波结果通过窗口长度为m的滑动检测窗口进行切分，每次得到由长度为m的采样点组成的窗口序列Fm作为步骤2的无监督回波样本； 所述步骤2包括： 步骤2‑1对每一个无监督样本Fm，首先通过多教师模型计算联合加权置信度cFm： 其中，为第i个教师模型对窗口序列Fm的预测结果，λi为第i个教师模型决策的权重系数； 步骤2‑2根据cFm计算多专家联合信息熵HFm： HFm＝‑[cFmlogcFm+1‑cFmlog1‑cFm]步骤2‑3根据HFm，由下式给目标域样本Fm分配伪标签lFm： 其中，σ为预先设定的熵值门限，sgn·表示符号函数； 若HFm大于熵值门限，伪标签记为‑1，为不可靠回波样本，不参与后续学生模型的训练步骤，反之为可靠回波样本，参与后续学生模型的训练步骤； 所述步骤3包括：对每一个可靠回波样本，分别执行三种不同的样本扩充策略，包括高斯噪声叠加、回波序列重组和目标单元重现，从而实现基于目标镜像的数据扩充；其中，所述高斯噪声叠加，通过对可靠回波样本叠加特定信噪比的高斯噪声实现数据扩充； 所述回波序列重组，通过对可靠回波样本按单元切分后打乱重排实现数据扩充； 所述目标单元重现，以原始海面目标样本为基础，模拟该目标出现在不同位置时的样本以实现数据扩充。

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中国科学院声学研究所南海研究站，其通讯地址为：570105 海南省海口市龙华区滨海大道63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。