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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于深度学习的雷达自适应反干扰决策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：CN121541150B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610064325.9，技术领域涉及：G01S7/36；该发明授权基于深度学习的雷达自适应反干扰决策方法是由包磊;刘语;李潮隆;高显忠;郭正涛;张国斌;邓春苗;刘昕晨设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于深度学习的雷达自适应反干扰决策方法在说明书摘要公布了：本申请属于雷达反干扰技术领域，涉及基于深度学习的雷达自适应反干扰决策方法，包括：获取多个雷达回波信号，得到干扰类别向量以及干扰特征向量；基于干扰特征向量，分别计算雷达发射信号与雷达回波信号在不同域的特征相似度，得到抗干扰策略的作用域；将不同域作为不同的智能体；将不同域进行组合并编码，得到变换域组合向量，并结合干扰类别向量，得到智能体的观测状态向量；以智能体的观测状态向量作为多智能体强化学习算法的输入，智能体选择作用域的最终动作，并由多智能体强化学习算法输出，以实现雷达自适应反干扰决策。本申请能够实现雷达自适应反干扰决策，提高策略收敛速度和稳定性。

本发明授权基于深度学习的雷达自适应反干扰决策方法在权利要求书中公布了：1.基于深度学习的雷达自适应反干扰决策方法，其特征在于，包括： 获取多个雷达回波信号，在提取特征参数后进行类别标签标注，并采用深度学习算法得到干扰类别向量以及干扰特征向量； 基于干扰特征向量，分别计算雷达发射信号与雷达回波信号在不同域的特征相似度，得到不同域的风险程度；选择所有风险程度最大的域，作为抗干扰策略的作用域； 将不同域作为不同的智能体；将不同域进行组合，得到多个变换域；对变换域进行编码，得到变换域组合向量；将变换域组合向量和干扰类别向量进行拼接，得到智能体的观测状态向量； 以智能体的观测状态向量作为多智能体强化学习算法的输入，智能体在电子防护抗干扰措施集合中选择作用域的最优措施组合作为最终动作，并由多智能体强化学习算法输出，以实现雷达自适应反干扰决策； 干扰类别包括：噪声干扰、假目标欺骗干扰、拖引欺骗干扰以及复合干扰； 噪声干扰包括：扫频干扰、阻塞干扰以及瞄准干扰，假目标欺骗干扰包括：密集假目标干扰以及距离-幅度欺骗干扰，拖引欺骗干扰包括：距离拖引干扰以及速度拖引干扰，复合干扰包括：噪声干扰、假目标欺骗干扰以及拖引欺骗干扰的组合； 智能体在电子防护抗干扰措施集合中选择作用域的最优措施组合作为最终动作，包括： 当干扰类别为噪声干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以采取措施组合前后的SINR差值作为奖励函数，并进行循环迭代，直至采取措施组合前后的SINR差值满足预设的第一条件时，当前的措施组合即为噪声干扰的最优措施组合，以噪声干扰的最优措施组合作为最终动作； 当干扰类别为假目标欺骗干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以真实目标识别率作为奖励函数，并进行循环迭代，直至真实目标识别率满足预设的第二条件时，当前的措施组合即为假目标欺骗干扰的最优措施组合，以假目标欺骗干扰的最优措施组合作为最终动作； 当干扰类别为拖引欺骗干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以跟踪精度误差的负值作为奖励函数，并进行循环迭代，直至跟踪精度误差的负值满足预设的第三条件时，当前的措施组合即为拖引欺骗干扰的最优措施组合，以拖引欺骗干扰的最优措施组合作为最终动作； 当干扰类别为复合干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以采取措施组合前后的SINR差值、真实目标识别率以及跟踪精度误差的负值的加权和作为奖励函数，并进行循环迭代，直至加权和满足预设的第四条件时，当前的措施组合即为复合干扰的最优措施组合，以复合干扰的最优措施组合作为最终动作。

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人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。