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！

龙图腾网获悉中山大学申请的专利基于3D卷积神经网络的机载雷达目标显示方法及装置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：CN116400305B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211639031.2，技术领域涉及：G01S7/36；该发明授权基于3D卷积神经网络的机载雷达目标显示方法及装置是由吴建新;古瑶;张磊;吴亿锋设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本基于3D卷积神经网络的机载雷达目标显示方法及装置在说明书摘要公布了：本发明公开了基于3D卷积神经网络的机载雷达目标显示方法及装置，方法包括：获取时空观测数据；接着对所述时空观测数据进行傅里叶变换处理和MVDR变换处理，得到训练数据集；然后根据所述训练数据集对构建得到的深度学习网络进行训练，得到深度学习网络模型；最后根据深度学习网络模型对新获取的时空观测数据进行预测，得到预测结果，确定机载雷达端到端的目标显示。本发明使用少数样本来提高目标检测概率，这解决了在非均匀和非平稳杂波环境中样本不足的问题；再者，本发明不需要通过传统的STAP算法抑制杂波来显示和检测目标，而是直接基于深度学习实现机载雷达端到端的目标显示，进一步提高检测准确率，可广泛应用于计算机技术领域。

本发明授权基于3D卷积神经网络的机载雷达目标显示方法及装置在权利要求书中公布了：1.基于3D卷积神经网络的机载雷达目标显示方法，其特征在于，包括： 获取时空观测数据； 对所述时空观测数据进行傅里叶变换处理和MVDR变换处理，得到训练数据集； 根据所述训练数据集对构建得到的深度学习网络进行训练，得到深度学习网络模型； 根据深度学习网络模型对新获取的时空观测数据进行预测，得到预测结果，确定机载雷达端到端的目标显示； 所述对所述时空观测数据进行傅里叶变换处理和MVDR变换处理，得到训练数据集，包括： 对所述时空观测数据进行离散，得到俯仰数据、方位数据和多普勒频率数据； 对所述时空观测数据进行空时功率谱估计； 通过最大似然估计确定所述时空观测数据的协方差矩阵； 根据所述协方差矩阵，对所述时空观测数据进行傅里叶谱变换，得到相应网格单元的频谱强度； 通过MVDR谱变换将具有准确角度和多普勒的目标数据转换为高分辨角度-多普勒频谱的形式； 根据每个网格的频谱强度叠加得到角度-多普勒频谱； 完成训练数据集的构建； 所述方法还包括构建深度学习网络结构的步骤，该步骤包括： 使用3D卷积神经网络，在第一层对训练样本中含有目标的杂波低分辨俯仰-方位-多普勒三维谱进行特征提取，得到第一层特征； 所述3D卷积神经网络的第二层到第四层均为特征的非线性映射，在第二层到第四层将提取到的特征图谱非线性地映射到变换的高维空间中； 在第五层为图像重构层，生成高分辨输出图像。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。