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！

龙图腾网获悉中国电波传播研究所(中国电子科技集团公司第二十二研究所)申请的专利一种基于LSGAN的陆海分界线识别及匹配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：CN115438748B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211243324.9，技术领域涉及：G06F18/241；该发明授权一种基于LSGAN的陆海分界线识别及匹配方法是由李雪;郭文玲;潘泉;张效宣;李灿;田德元;文天羿设计研发完成，并于2022-10-12向国家知识产权局提交的专利申请。

本一种基于LSGAN的陆海分界线识别及匹配方法在说明书摘要公布了：本发明公开了一种基于LSGAN的陆海分界线识别及匹配方法，包括如下步骤：步骤1，构建基于卷积神经网络的生成器和判别器：步骤2，构建损失函数：步骤3，模型训练：步骤4，构建分类器：步骤5，陆海分界线匹配。本发明所公开的方法，利用生成器和判别器进行对抗训练，将训练好的判别器的卷积层作为特征提取器，以此构建陆海杂波分类模型。该模型相较传统深度学习分类模型具有更强的泛化能力，同时构建的生成器能够解决数据标注困难，数据多样性差的问题。

本发明授权一种基于LSGAN的陆海分界线识别及匹配方法在权利要求书中公布了：1.一种基于LSGAN的陆海分界线识别及匹配方法，其特征在于，包括如下步骤： 步骤1，构建基于卷积神经网络的生成器和判别器： 步骤1A，构建基于卷积神经网络的生成器： 生成器利用卷积网络的数据拟合能力，通过建立一维噪声分布到真实数据分布之间的映射关系，来学习返回散射定频数据的数学分布，最终实现模型生成数据； 生成器用可微函数G表示，输入z为服从高斯分布或均匀分布的随机噪声信号，输出为陆海杂波生成数据Gz； 生成器采用深度卷积神经网络作为网络的基本组成，采用四层卷积层和四层上采样层作为生成器的基本网络结构，其中四层卷积层用于重构数据细节特征；四层上采样层用于扩大特征向量维数； 采用LeakyReLU函数作为每层卷积层中的激活函数，LeakyReLU函数的定义为： 上式中x为真实数据，negative_slope为权重系数； 采用Tanh函数作为输出层，Tanh函数的定义为： 上式中x为真实数据，e为自然常数； 步骤1B，构建基于卷积神经网络的判别器： 判别器用D来表示，判别器的输入为生成数据Gz和真实数据x，输出为判断输入数据是否为真实数据的概率，该过程由两个场景构成，在第一个场景中，从真实训练数据中采样真实数据x，作为判别器D的输入，判别器D输出的是0到1之间的概率值，表示真实数据x属于真实样本的概率，概率值越接近于1，是真实数据的概率越高，反之为生成数据的概率越高；在第二个场景中，从一个先验分布中采样出输入z，将Gz作为判别器D的输入，在这个场景中，判别器D和生成器G都要参与，判别器D的目标是使得输出DGz的概率值接近0，Dx的概率值接近1； 采用深度卷积神经网络作为判别器的基本框架结构，采用输入层-三层以上卷积层-池化层叠加结构-输出层作为判别器的基本网络结构，三层以上卷积层用于充分提取多层次特征，卷积层之间采用LeakyReLU函数作为激活函数，池化层降低特征向量维数，减小计算量、修正过拟合的同时提取高层次特征；输出层是全连接层，该层使用Sigmoid激活函数实现判别真伪两种功能，Sigmoid激活函数能够将输出映射到[0,1]的区间作为真伪输出； 上式中x为真实数据，e为自然常数； 步骤2，构建损失函数如下： 上式中x为服从真实分布pdatax的真实数据，z为服从高斯分布pzz的随机噪声，a和b分别表示判为假和判为真的标签； 步骤3，模型训练： 步骤3A，陆海杂波样本预处理： 首先对真实数据进行归一化预处理，获得真实数据的最大值maxx，最小值minx，通过下式将数据映射到[-1,1]之间： 上式中x*为归一化后的数据，x为真实数据， 步骤3B，网络参数配置： 批样本数量取2n，n为自然数；学习率取10-6～1；采用Adma优化器对生成器和判别器的权重和偏置进行更新； 步骤3C，网络训练： 根据步骤2构建的损失函数进行网络训练： 判别器输入真实数据，使真伪辨别结果尽可能接近1，计算判别器的损失函数，并反向传播； 判别器输入生成数据，使真伪辨别结果尽可能接近0，计算判别器的损失函数，并反向传播； 生成器输入随机噪声，获得生成数据，生成数据通过判别器获得真伪辨别结果，使其尽可能接近1，计算生成器的损失函数，并反向传播； 设随机噪声为z，生成器的函数为G，它的输入是z，要学习的参数为θG；判别器的函数为D，它的输入是真实数据x，要学习的参数为θD，D需要通过更新θD极小化其目标函数JD，G需要通过更新θG极小化其目标函数JG，两个网络相互博弈，两者的损失函数都依赖于对方，网络训练的目标是达到纳什平衡，纳什平衡指的是一对参数θD,θG，使得θD是JD的一个极小值点，同时θG是JG的一个极小值点； 步骤4，构建分类器： 步骤4A，构建特征提取器： 训练步骤3的LSGAN陆海杂波样本生成模型直到损失趋于稳定，将训练好的判别器单独拆分出来，将判别器的最后一层去掉，只将训练好的卷积层拆分出来，用作陆海杂波分类器的特征提取器； 步骤4B，构建分类器： 对特征提取器连接用于陆海杂波样本分类的分类层，构建陆海杂波分类器，最后，固定卷积层的参数，并用真实陆海杂波样本对分类层进行微调； 步骤5，陆海分界线匹配： 通过陆海杂波分类器对返回散射定频数据进行陆海属性判别后，将陆海分界线识别结果和先验地理信息地图作为匹配算法的输入，在先验地理信息地图中遍历搜寻陆海分界线识别结果并同时计算匹配误差，最终输出陆海分界线匹配结果； 设陆海分界线识别结果为Tm,n，m为陆海分界线识别结果的距离单元数，n为陆海分界线识别结果的方位单元数，设先验地理信息地图为Sw,h，w为先验地理信息地图的距离单元数，h为先验地理信息地图的方位单元数，将陆海分界线识别结果和先验地理信息地图重叠的子区域定义为Si,j，i,j为先验地理信息地图坐标，用下式衡量Tm,n和Si,j的相似性Di,j： 将其归一化，得模板匹配的相关系数Ri,j： 当陆海分界线识别结果和子区域一样时，相关系数Ri,j＝1，在先验地理信息地图中完成全部搜索后，找出相关系数的最大值Rmaxi,j，其对应的子区域Si,j即为匹配结果。

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中国电波传播研究所(中国电子科技集团公司第二十二研究所)，其通讯地址为：266107 山东省青岛市城阳区仙山东路36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”。