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！

龙图腾网获悉汉达科技发展集团有限公司申请的专利基于深度学习的无人机信号智能探测与反制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：CN120949353B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511478516.1，技术领域涉及：G01V11/00；该发明授权基于深度学习的无人机信号智能探测与反制方法是由刘长宜;高国兵;强翔;胡涛;张瑞设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本基于深度学习的无人机信号智能探测与反制方法在说明书摘要公布了：本发明涉及无人机信号处理技术领域，公开了基于深度学习的无人机信号智能探测与反制方法，该方法通过多源传感器采集无人机信号实时数据，利用卷积神经网络进行特征提取融合，再经生成对抗网络识别分类信号。构建信号反制模型，采用改进粒子群算法优化反制策略，以平衡干扰效果与能耗。建立分层式反制控制模型，决策层全局规划、执行层局部干扰、反馈层实时评估调整。该方法探测精度高、信号识别准，能高效优化反制策略，实现全局与局部协同反制以及实时动态调整。其适用性广、拓展性强，可有效应对各类无人机安全威胁，保障公共安全、隐私及重要区域秩序。

本发明授权基于深度学习的无人机信号智能探测与反制方法在权利要求书中公布了：1.基于深度学习的无人机信号智能探测与反制方法，其特征在于，所述方法包括： 通过多源传感器采集无人机信号的实时数据，所述多源传感器包括射频传感器、红外传感器、声学传感器以及光学传感器； 基于卷积神经网络对所述实时数据进行特征提取与融合处理，得到信号特征数据； 将所述信号特征数据输入预先训练的生成对抗网络模型，所述生成对抗网络模型采用双重判别器结构，基于信号特征分布对信号进行识别与分类，生成信号识别结果； 根据所述信号识别结果构建信号反制模型，所述信号反制模型以信号干扰效果最大化为目标，采用改进粒子群算法对反制策略进行优化，其中所述改进粒子群算法引入自适应惯性权重和动态学习因子； 基于所述信号反制模型输出最优反制策略； 根据所述最优反制策略建立分层式反制控制模型，所述分层式反制控制模型包括决策层、执行层和反馈层，其中决策层基于所述信号识别结果进行全局反制策略规划，执行层基于所述最优反制策略进行局部信号干扰，反馈层基于自适应滤波算法实现反制效果的实时评估与调整； 通过所述分层式反制控制模型输出反制控制指令，实现无人机信号的智能探测与反制； 决策层基于所述信号识别结果进行全局反制策略规划包括： 采用参数化曲线描述反制策略，将所述反制策略表示为反制策略参数的函数，所述反制策略参数的取值范围为0至1，所述反制策略包括干扰功率分量、干扰频率分量以及干扰时间分量； 基于三次样条曲线对所述反制策略进行描述，通过组合系数与样条基函数的乘积求和计算得到所述反制策略的参数值，所述样条基函数通过组合数与反制策略参数的幂函数计算得到； 构建反制策略约束条件，所述反制策略约束条件包括功率约束、频率约束、时间约束以及距离约束，所述功率约束用于限定所述反制策略的功率范围，所述频率约束用于限定所述反制策略的频率范围，所述时间约束用于限定所述反制策略的时间范围，所述距离约束用于限定所述反制策略的距离范围； 构建全局多目标优化函数，所述全局多目标优化函数包括干扰效果项、能耗项、干扰时间项以及干扰距离项，通过加权系数对所述全局多目标优化函数中各项进行加权组合； 将所述反制策略区间离散为多个策略段，对所述全局多目标优化函数进行离散化处理，构建全局离散化目标函数，所述全局离散化目标函数包括策略段干扰效果、策略段能耗、策略段时间以及策略段距离； 采用序列二次规划方法对所述全局离散化目标函数进行迭代优化，通过构建全局多目标优化函数的二次近似以及线性约束条件，求解二次规划问题得到控制点的参数增量，基于所述参数增量更新控制点的参数值； 对优化后的所述反制策略进行五次样条插值平滑处理，通过保持插值端点处的参数导数、功率导数以及频率导数的连续性，生成光滑连续的反制策略，并基于所述光滑连续的反制策略生成干扰参数序列以及对应的干扰控制指令。

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汉达科技发展集团有限公司，其通讯地址为：226009 江苏省南通市开发区华富国际大厦1幢816室；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。