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！

龙图腾网获悉电子科技大学申请的专利一种基于模型驱动深度神经网络的雷达扩展目标检测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：CN116466313B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310303790.X，技术领域涉及：G01S7/41；该发明授权一种基于模型驱动深度神经网络的雷达扩展目标检测方法是由赵文静;崔国龙;汪翔;汪育苗设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本一种基于模型驱动深度神经网络的雷达扩展目标检测方法在说明书摘要公布了：本发明提供一种基于模型驱动深度神经网络的雷达扩展目标检测方法，属于雷达目标探测技术领域。首先在似然比检测准则下，将雷达扩展目标检测问题建模为二进制变量的最优化问题；然后构建模型信息与数据信息联合驱动的深度展开网络，进行离线训练，并根据虚警概率要求设置决策门限；最后在在线检测阶段，实时进行决策判决，从而实现目标检测。该方法同时利用了模型信息和数据信息，具有更强的泛化能力。以检测概率为评价性能指标，仿真实验表明在本发明比已有的典型检测方法具有更高的检测性能，且能保证恒虚警特性，适合于实际应用。

本发明授权一种基于模型驱动深度神经网络的雷达扩展目标检测方法在权利要求书中公布了：1.一种基于模型驱动深度神经网络的雷达扩展目标检测方法，该方法包括以下步骤： 步骤1：似然比检测准则下，将雷达扩展目标检测问题建模为最优化问题； 应用场景为：分布式MIMO雷达，发送端为M个发送阵元，接收端为K个接收阵元，即从发射端到接收端共有MK条路径，每一个天线在一个相干处理间隔内发送L个脉冲，且发送端的每一个天线发送相互正交的波形； 设目标回波信号占据H个距离单元，令ymk,h表示第mk条路径，第h个距离单元的接收信号矢量，非高斯杂波下的雷达扩展目标检测表示为： 其中，αmk,h表示第mk条路径第h个距离单元的目标散射和信道传播效应之和；pmk为对应的目标导向矢量，表示为pmk＝[1,expj2πfmkTr,…,expj2πL-1fmkTr]T,fmk为目标多普勒频移，Tr为脉冲重复时间，cmk,h为杂波矢量，一般采用复合高斯模型建模，表示为一个慢变分量τmk,h和一个快变分量gmk,h的乘积，即其中gmk,h是服从均值为零方差为Σ的复高斯分布，H0表示没有目标，H1表示有目标； 对于以上检测问题，似然比检测准则为： 其中，η为基于似然比检测准则下的判决门限，αmk表示第mk条路径的目标散射和信道传播效应之和，τmk表示第mk条路径的慢变分量，ymk表示第mk条路径的接收信号矢量； 引入离散二进制变量ω∈{0,1}，以上检测准则表示为： 其中，ω＝0表示为目标不存在，ω＝1表示为目标存在； 步骤2：构建模型信息和数据联合驱动的深度展开网络 针对以上优化问题，将常规的投影梯度算法展开为深度神经网络；该网络中每个展开层都是全连接神经网络结构，由输入层、隐藏层和输出层组成； 第t层网络的输入为： 其中，是上一层网络对ω的估计值，是第t层网络的升维向量用于使输入层维度增加，是优化目标函数fb关于ω的梯度； 第t层网络的隐含层表示为： ht＝fReLUW1txt+b1t 其中fReLU·表示隐藏层的非线性激活函数； 第t层网络的输出层表示为： 其中fsigmoid·是非线性激活函数，{Wt,bt,Wt,bt,Wt,bt}是第t层网络参数； 步骤3：设置判决门限 首先对训练集中的无目标数据进行预处理，然后将其输入到训练好的网络中，并对网络输出结果进行降序排序，最后根据虚警概率确定判决门限； 步骤4：在线检测判决 将测试集进行预处理，输入到训练好的网络中，并根据以下公式进行判决； 若网络输出值大于判决门限时，则判断为目标存在，否则判断为不存在。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。