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科技大学;桂林长海发展有限责任公司申请的专利基于雷达导引头主被动信息融合的干扰态势构建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：CN117761683B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310147823.6，技术领域涉及：G01S13/88；该发明授权基于雷达导引头主被动信息融合的干扰态势构建方法是由李小鹏;李明;袁建林;张煜;田隽垚;江达伟;董阳阳;王贤铧设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本基于雷达导引头主被动信息融合的干扰态势构建方法在说明书摘要公布了：本发明公开了一种基于雷达导引头主被动信息融合的干扰态势构建方法，构建了一个干扰态势环境，通过计算环境中所有平台的主动信息、所有设备的被动信息组成一个主被动信息融合样本，解决了现有技术受限于已知雷达特征库，能够获取的融合信息有限，无法有效提取目标的特征信息的不足。本发明利用主被动信息融合的训练集，对构建的卷积神经网络进行训练，使得训练好的卷积神经网络具有良好的非线性映射能力，能够快速提取平台、设备特征参数，得到相应的融合评估等级，解决了目标的电磁特征计算误差较大，存在错误融合的不足。使本发明中雷达导引头获取的主被动信息具有互补性，掌握了更全面、准确的平台及设备信息。

本发明授权基于雷达导引头主被动信息融合的干扰态势构建方法在权利要求书中公布了：1.一种基于雷达导引头主被动信息融合的干扰态势构建方法，其特征在于，生成由所有平台的主动信息、所有设备的被动信息组成的主被动信息融合样本，利用主被动信息融合的训练集训练卷积神经网络；该干扰态势构建方法的步骤包括如下： 步骤1，构建干扰态势环境： 将A个平台、B个雷达设备、C个干扰设备组成一个干扰态势环境，其中，A≥10，B、C的取值与A对应相等； 步骤2，生成主被动信息融合样本： 步骤2.1，分别计算每个平台的平台径向速度、导引头与平台的距离、平台的方位角； 步骤2.2，分别计算每个雷达设备信号的脉宽、载频、脉冲重复周期； 步骤2.3，分别计算每个干扰设备信号的方位角、功率； 步骤2.4，将计算的所有平台的主动信息、所有设备的被动信息组成一个主被动信息融合样本； 步骤3，生成训练集： 步骤3.1，选取至少1000个主被动信息融合样本，对每个样本的特征参数进行归一化操作； 步骤3.2，计算每个样本的目标融合评估等级，对每个样本标注对应的融合评估等级标签； 步骤3.3，将所有归一化操作后的样本及其对应的样本等级标签组成训练集； 步骤4，构建卷积神经网络： 步骤4.1，搭建一个12层的卷积神经网络，其结构依次串联为：第一卷积层，第一池化层，第一反卷积层，第二卷积层，第二池化层，第二反卷积层，第三卷积层，第三反卷积层，第四卷积层，第五卷积层，第六卷积层，全连接层； 步骤4.2，将第一至第六卷积层的卷积核个数依次设置为128、64、32、16、16、8，卷积核的大小均设置为1×3；第一至第二池化层均采用最大池化方式，池化核的大小均设置为1 ×2，池化步长均设置为1×2；将第一至第三反卷积层的卷积核个数依次设置为8、8、16，卷积核的大小均设置为1×3； 步骤5，训练卷积神经网络： 将训练集输入到卷积神经网络中，利用反向传播梯度下降法，迭代更新卷积神经网络的各层参数，直到卷积神经网络的损失函数收敛为止，得到训练好的卷积神经网络； 步骤6，对融合程度进行评估： 采用与步骤3.3相同的归一化方法，对待评估融合程度的每个样本进行归一化处理后的样本，输入到训练好的卷积神经网络中，输出该样本融合程度的评估等级。

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科技大学;桂林长海发展有限责任公司，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。