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！

龙图腾网获悉哈尔滨工程大学;上海无线电设备研究所申请的专利基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量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：CN119511213B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411517850.9，技术领域涉及：G01S7/36；该发明授权基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法是由肖易寒;孟祥乾;陆钱融;宋柯;蒋伊琳;郭立民;陈涛设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法在说明书摘要公布了：基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法，本发明为了解决现有的干扰信号识别方法工作模式单一、鲁棒性差的问题，将干扰识别问题转换目标检测问题，并应用目标检测框架来检测、识别和测量干扰信号的参数，并引入了CBAM注意力机制，增强网络对图像的特征提取能力，提高识别率。此外，还引入了排斥损失函数，在干扰信号时频图像重叠较多时也能保持良好的回归预测效果。本文网络在低干噪比下对大多数信号有良好的检测识别性能。本发明属于雷达干扰信号检测与识别技术领域。

本发明授权基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法在权利要求书中公布了：1.基于卷积注意力机制和排斥损失的Yolov8网络的雷达有源复合干扰信号识别与参数测量方法，其特征在于，包括如下步骤： 步骤1、建立雷达复合干扰信号数学模型； 步骤2、对复合干扰信号进行预处理； 步骤3、将训练集输入卷积注意力机制和排斥损失的Yolov8网络进行训练； 步骤4、将训练集视频图像输入网络的Backbone部分，进行特征提取； 步骤5、将特征图输入到网络的Neck部分，进行特征融合； 步骤5.1、对特征图进行上采样操作，使得输出的尺寸是输入尺寸的2倍，便于后续处理； 步骤5.2、将上采样得到的特征图和上下文感知跨级融合网络模块得到的特征图进行特征融合，将分别为80*80*256和80*80*512的特征图拼接成80*80*768的特征图，后续的拼接模块同理； 步骤5.3、拼接模块拼接之后的特征图通过上下文感知跨级融合网络模块后，输入到卷积注意力模块中，卷积注意力模块由通道注意力模块和空间注意力模块组成； 在通道注意力模块中，对维度为H×W×C的输入特征分别进行两种不同的池化操作，得到两个通道信息，再输入到多层感知机中进行降维处理，得到两个维度为1×1×C的特征图，对其逐元素求和后经过Sigmoid激活函数处理，得到通道注意力特征； 将通道注意力特征和输入特征图逐元素相乘后的特征图输入到空间注意力模块中，同样进行上述的两种池化操作，得到两个维度为H×W×1的特征图，将两个特征图连接后进行7×7的卷积操作，再经过Sigmoid激活函数处理得到空间注意力特征； 最后将空间注意力特征和空间注意力模块的输入特征做乘法，得到最终生成的特征； 步骤6、将Neck部分融合后的特征输入到检测头模块中，进行分类和回归； 其中检测头模块由两层组成，一层用作分类，另一层用作回归预测框，每一层都由两个卷积模块和一个二维卷积模块组成，对于分类器选择交叉熵函数作为损失函数；回归部分则选用排斥损失函数和交并比损失函数作为损失函数； 步骤7、将测试集输入训练好的卷积注意力机制和排斥损失的Yolov8网络中，得到输入信号中包含的干扰信号分量和干扰信号参数。

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哈尔滨工程大学;上海无线电设备研究所，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。