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申请的专利一种基于HRRP与SAR数据特征级融合的舰船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：CN116343041B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310321258.0，技术领域涉及：G06V20/10；该发明授权一种基于HRRP与SAR数据特征级融合的舰船分类方法是由董文倩;崔继洲;曲家慧;肖嵩;李云松设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种基于HRRP与SAR数据特征级融合的舰船分类方法在说明书摘要公布了：一种基于HRRP与SAR数据特征级融合的舰船分类方法，包括以下步骤；输入同一时刻对同一目标的HRRP与SAR探测数据，各自进行预处理，并划分训练集和测试集；构建SAR影像特征分离模块，降低各个样本间特征的相关性，增加样本特征距离；构建SAR影像特征聚合模块，将已分离样本特征中的同类特征进行聚合，减小类内距离、增大类间距离，增强分类性能；构建基于注意力机制的一维距离像特征提取模块，提取HRRP中的舰船细节特征；构建HRRP与SAR数据特征融合分类模块，融合HRRP与SAR数据的特征进行目标的分类；对搭建好的多源特征融合分类模型进行有监督的训练，得到合适该模型的参数；将待分类舰船目标数据送入训练好的多源特征融合分类模型中进行分类，得到分类结果。本发明提高了舰船分类的精度以及鲁棒性。

本发明授权一种基于HRRP与SAR数据特征级融合的舰船分类方法在权利要求书中公布了：1.一种基于HRRP与SAR数据特征级融合的舰船分类方法，其特征在于，包括以下步骤； S101：获取同一时刻对同一舰船目标的HRRP与SAR探测数据，各自进行预处理，并划分训练集和测试集； S102：构建SAR影像特征分离模块，降低各个探测数据样本间特征的相关性，增加样本特征距离； S103：构建SAR影像特征聚合模块，将S102输出的已分离样本特征中的同类特征进行聚合，减小类内距离、增大类间距离，增强分类性能； S104：构建基于注意力机制的一维距离像特征提取模块，提取HRRP中的舰船细节特征； S105：构建HRRP与SAR数据特征融合分类模块，融合HRRP与SAR数据的特征进行目标分类； S106：对搭建好的多源特征融合分类模型进行有监督的训练，得到合适该模型的参数； S107：将待分类舰船目标数据送入训练好的多源特征融合分类模型中进行分类，得到分类结果； 所述步骤S102具体为： 首先使用ResNet50网络对做了数据增强的一对SAR影像进行特征提取得到特征以Batch为单位做处理B为Batch大小，构建特征分离模块对不同样本进行特征分离，即将不同样本特征投影到分离度高的特征空间，特征分离模块由卷积层、激活层与批归一化层组成，此结构能够有效投影特征空间，其步骤可表示为下式： Separate·＝fReLUfBNfconvfReLUfBNfconv· 其中是经过不同数据增强变化后的SAR数据；是通过ResNet50提取的特征，c、h、w分别是特征的通道数、长、宽；Separate·为特征分离模块，将不同样本特征投影到分离度高的特征空间； 所述步骤S103中SAR影像特征聚合模块的结构如下： 构建集成模块将被分离的样本特征进行降维，同时进行同类特征的聚合，特征集成模块由两步卷积构成，第一个1×1卷积层用于从信道维度减少特征的数量，第二个卷积层用于从具有3×3核的空间维度进行信息融合，通过集成模块，聚合的特征由表示，添加类编码P指导特征聚合，每类由多个类编码P，其步骤可表示为下式： Integration·＝fReLUfBNfconvfReLUfBNfconv· 其中为被分离的样本特征；Integration·为特征集成模块； 表示类编码向量，C、N、K分别表示通道数、每类的编码数和类数。

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，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”。