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！

龙图腾网获悉上海无线电设备研究所申请的专利基于深度学习的弹目交会回波峰值特征建模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：CN114091619B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202111445960.5，技术领域涉及：G06F18/213；该发明授权基于深度学习的弹目交会回波峰值特征建模方法是由李永晨;都妍;廖意;高鹏程;朱殷;张军平设计研发完成，并于2021-11-30向国家知识产权局提交的专利申请。

本基于深度学习的弹目交会回波峰值特征建模方法在说明书摘要公布了：本发明提供一种基于深度学习的弹目交会回波峰值特征建模方法，包含步骤：S1、采集多条弹目交会回波信号，分别提取对应的交会回波状态标签矢量建立训练集、验证集和测试集，交会回波状态矢量包含弹体姿态、目标姿态、脱靶量和脱靶方位；S2、建立用于预测弹目交会回波信号包络及峰值特征的多层深度学习模型，弹目交会回波峰值特征包含：峰值个数、峰值位置、峰值幅度，多层深度学习模型包含依序连接的线性模块、残差层、升采样模块、长短期记忆层、卷积模块；S3、通过训练集训练多层深度学习模型；所述验证集用于调整多层深度学习模型的学习率；S4、将所述测试集输入训练好的多层深度学习模型，评估多层深度学习模型的精确度。

本发明授权基于深度学习的弹目交会回波峰值特征建模方法在权利要求书中公布了：1.一种基于深度学习的弹目交会回波峰值特征建模方法，其特征在于，包含步骤： S1、采集多条弹目交会回波信号，分别提取对应的交会回波状态标签矢量；基于提取的交会回波状态标签矢量建立训练集、验证集和测试集； S2、建立用于预测弹目交会回波信号包络及弹目交会回波信号峰值特征的多层深度学习模型；所述多层深度学习模型包含依序连接的线性模块、残差层、升采样模块、长短期记忆模块、卷积模块；所述线性模块、残差层、升采样模块、长短期记忆层、卷积模块的深度分别为H1、H2、H3、H4、H5； 所述线性模块包含H1个依序连接的线性层，所述线性层包含依序连接的全连接层FC、第一正则化层n1和第一激活函数a1； 令Li表示第i个线性层，xi表示第i个线性层的输入张量，i∈[1,H1]；第i+1个线性层的输入张量为第i个线性层的输出张量，xi+1＝Lixi； x1的维度为N×d，x1的每一行对应一个交会回波状态标签矢量，d为交会回波状态标签矢量中的向量个数；第1个线性层的输出张量的维度为N×h；h为控制输入张量在模型传播过程中的维度变化的超参数； 当1i≤L1，第i个线性层的输入张量xi的维度为N×[i-1·h]；第i个线性层的输出张量的维度为N×i·h；L1＝L2H3，L为多层深度学习模型的输出信号的长度； 当iL1，第i个线性层的输入张量xi的维度为N×h·L1，第i个线性模块的输入张量的维度为N×h·L1； S3、通过训练集训练多层深度学习模型；所述验证集用于在通过训练集训练多层深度学习模型时，调整多层深度学习模型的学习率； S4、将所述测试集输入训练好的多层深度学习模型，评估多层深度学习模型的精确度。

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上海无线电设备研究所，其通讯地址为：200233 上海市闵行区中春路1555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”。