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！

龙图腾网获悉北京遥感设备研究所申请的专利基于注意力机制的雷达干扰分类方法、系统、电子设备及存储介质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：CN121117807B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511659209.3，技术领域涉及：G06F18/2415；该发明授权基于注意力机制的雷达干扰分类方法、系统、电子设备及存储介质是由白剑;张逍洋;杨刚;于沐尧;蔺震;郭亮;苏琪娅;史玥婷设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于注意力机制的雷达干扰分类方法、系统、电子设备及存储介质在说明书摘要公布了：本申请提供一种基于注意力机制的雷达干扰分类方法、系统、电子设备及存储介质，涉及注意力机制技术领域，本申请通过获取脉冲描述字数据流，筛选出具有显著特征的脉冲数据段；利用时间戳标记法时序定位该数据段，通过预设脉冲阈值划分为多个脉冲间隔片段，各片段对应一个或多个脉冲间隔。对这些片段进行多级处理得到多维特征向量，将其输入预训练的干扰分类神经网络模型。模型用卷积神经网络提取局部时空特征，借多头注意力机制捕获特征间长程依赖并增强关键特征，经Softmax分类层输出航天雷达干扰类型的概率分布，最后根据分布中的最大概率确定分类结果，能够提升航天雷达干扰分类的准确性。

本发明授权基于注意力机制的雷达干扰分类方法、系统、电子设备及存储介质在权利要求书中公布了：1.一种基于注意力机制的雷达干扰分类方法，其特征在于，包括： 获取航天器载雷达或地面深空探测雷达采集的待处理脉冲描述字数据流，从所述脉冲描述字数据流中筛选出具有航天干扰显著特征的脉冲数据段； 利用星历时间戳标记法对所述脉冲数据段进行时序定位，通过适配空间目标运动周期的预设脉冲阈值将时序定位后的脉冲数据段划分为多个脉冲间隔片段，每个脉冲间隔片段对应一个或多个脉冲间隔； 对所述多个脉冲间隔片段进行航天场景适配的多级处理，得到多维特征向量； 将所述多维特征向量输入预训练好的航天雷达干扰分类神经网络模型，所述模型采用卷积神经网络提取局部时空特征，并利用多头注意力机制捕获特征间的长程依赖关系并增强关键特征，通过Softmax分类层输出所述多维特征向量对应的航天雷达干扰类型的概率分布； 根据概率分布中的最大概率确定航天雷达干扰分类结果； 所述将所述多维特征向量输入预训练好的航天雷达干扰分类神经网络模型，所述模型采用卷积神经网络提取局部时空特征，并利用多头注意力机制捕获特征间的长程依赖关系并增强关键特征，通过Softmax分类层输出所述多维特征向量对应的航天雷达干扰类型的概率分布，包括： 基于预训练好的干扰分类神经网络模型的卷积神经网络的卷积层，通过滑动窗口对所述多维特征向量进行局部特征提取，得到局部特征序列； 在经卷积神经网络的ReLU激活函数引入非线性后，通过预设尺寸的最大池化层压缩特征维度，对所述局部特征序列进行维度调整，以保留关键局部特征，得到调整后的局部特征序列； 通过卷积神经网络的全连接层，将所述局部特征序列映射为预设维度的第一特征矩阵，使所述第一特征矩阵适配多头注意力机制的输入要求； 生成与第一特征矩阵长度匹配的位置编码向量，并将所述位置编码向量与所述第一特征矩阵相加，得到第二特征矩阵； 将所述第二特征矩阵划分为多个特征子序列，每个所述特征子序列对应一个注意力头； 计算每个所述注意力头与对应的所述特征子序列间的关联程度值； 基于所述关联程度值对所述特征子序列进行加权融合，得到多个注意力特征，将所述多个注意力特征拼接为融合特征序列； 基于干扰分类神经网络模型中的Softmax分类层，通过对所述融合特征序列与各类航天雷达干扰类型的匹配度进行数值转换，得到多维特征向量对应的航天雷达干扰类型的概率分布； 所述对所述多个脉冲间隔片段进行航天场景适配的多级处理，得到多维特征向量，包括： 对各所述脉冲间隔片段进行特征统计，得到对应的统计特征包括以下至少之一：平均间隔、间隔标准差、间隔最小值、间隔最大值和间隔直方图分布； 计算相邻脉冲间隔片段之间统计特征的相似性系数，及同一脉冲间隔片段内脉冲间隔的变异系数； 将所述统计特征、所述相似性系数与所述变异系数进行关联处理，形成多维特征向量。

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遥感设备研究所，其通讯地址为：100854 北京市海淀区永定路51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。