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！

龙图腾网获悉西安电子工程研究所申请的专利一种基于深度学习的微多普勒特征目标分类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：CN115856811B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211381702.X，技术领域涉及：G01S7/41；该发明授权一种基于深度学习的微多普勒特征目标分类方法是由李泽宇;袁子乔;王辉辉;宋思盛;杨磊;陈尹翔设计研发完成，并于2022-11-05向国家知识产权局提交的专利申请。

本一种基于深度学习的微多普勒特征目标分类方法在说明书摘要公布了：本发明涉及一种基于深度学习的微多普勒特征目标分类方法，属于雷达目标识别领域技术领域。其实现步骤包括：1建立目标微多普勒数据集；2分别构建单帧和多帧微多普勒目标识别网络；3分别训练单帧和多帧微多普勒特征识别网络；4目标微多普勒分类。本发明解决了基于传统特征和分类器导致分类精度不高的问题。可有效的实现基于微多普勒特征的雷达目标分类，可用于雷达目标识别。

本发明授权一种基于深度学习的微多普勒特征目标分类方法在权利要求书中公布了：1.一种基于深度学习的微多普勒特征目标分类识别方法，其特征在于步骤如下： 步骤1：建立目标微多普勒数据集 步骤1a：数据预处理，通过雷达设备采集到原始回波数据，经过脉冲压缩得到包含目标的每帧数据； 步骤1b：利用每帧数据得到单帧时频图和多帧时频图，并设置相应的类别标签； 步骤1c：将单帧和多帧时频图分别分为训练集、验证集和测试集，用于训练和测试深度学习模型； 步骤2：分别构建单帧和多帧微多普勒目标识别网络 步骤2a：单帧微多普勒目标识别网络的结构依次为：输入部分，四个膨胀卷积残差模块，输出部分；所述的输入部分由输入层，卷积层构成；输入层对输入的数据归一化使数据的范围为[0,1]，卷积核大小1×3；所述膨胀卷积残差模块的结构为：1×3卷积层，批归一化层，1x3卷积层，批归一化层，激活层，Add层，该模块中卷积层均为膨胀卷积，四个膨胀卷积残差模块中卷积层均使用膨胀卷积，膨胀系数依此为1,2,4,8，旨在增大网络的感受野，同时不增加网络参数，所有卷积层的卷积核数目均为64；所述输出部分由卷积层，激活层，全连接层，Softmax激活层构成，其中卷积层的卷积核数目为64，Softmax激活层采用Softmax激活函数计算输入时频图被分类为每一类的概率； 步骤2b：多帧微多普勒识别网络的结构依次为：输入部分，三个多尺度残差模块、通道注意力模块，输出部分；所述输入部分由输入层，卷积层，卷积层，激活层，卷积层，激活层构成；输入层对输入的二维数据归一化使数据的范围为[0,1]，第一个卷积层卷积核尺寸为3×3，第二个卷积层卷积核尺寸为512×1，第三个卷积层卷积核尺寸1×3，激活层采用LeaklyReLU激活函数；所述多尺度残差模块的结构为：1×3卷积层，1×3卷积层，1×1卷积层，1×3卷积层，1×5卷积层，Concat层，1x3卷积层，批归一化层，激活层，Concat层，该模块利用多个不同尺寸卷积核的卷积层，学习不同尺度的特征，以提高网络学习特征的准确性，三个多尺度残差模块中卷积层的卷积核数目依次为32,64,128；所述通道注意力模块其结构为：卷积层，激活层，全局池化层，全连接层，激活层，全连接层，激活层，Sigmoid激活层，Multiple层；该通道注意力模块首先通过池化操作将特征的空间维度压缩为1，每个通道被转换为一个实数，以计算每个通道对应的统计信息；两个全连接层作用为计算每个通道的统计信息，学习特征通道间的相关性，获得通道间潜在的非线性关系；最后利用Sigmoid激活层得到通道维权重系数，对特征做加权操作，实现通道注意力机制；所述输出部分由卷积层，激活层，全连接层，Softmax激活层构成；Softmax激活层采用Softmax激活函数计算输入时频图被分类为每一类的概率； 步骤3：训练网络 步骤3a：将单帧和多帧训练集中的数据，分别输入到单帧和多帧网络，两个网络分别输出网络的预测分类标签； 步骤3b：利用交叉熵损失函数，计算预测目标类别标签与目标真实类别标签间的损失，再利用反向传播算法迭代更新网络参数，直到达到预设的训练次数，同时，在训练过程中利用验证数据集测试网络分类精度，利用交叉熵损失函数计算网络在验证数据上的损失；保存在验证集上损失函数最小的网络参数，得到训练好的网络； 步骤4：目标多普勒分类 步骤4a：输入的单帧和多帧时频图分别经过单帧网络和多帧网络模块后，通过Softmax层计算出待识别目标被划分为各类别的概率，选择最高概率对应的类别作为识别结果。

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西安电子工程研究所，其通讯地址为：710199 陕西省西安市长安区韦曲凤栖东街；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。