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！

龙图腾网获悉中国船舶集团有限公司第七二三研究所申请的专利一种基于深度度量学习的雷达辐射源个体识别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：CN116842450B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310874512.X，技术领域涉及：G06F18/241；该发明授权一种基于深度度量学习的雷达辐射源个体识别方法是由陈金炜;柴恒;宋世千;高墨昀;姚群设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本一种基于深度度量学习的雷达辐射源个体识别方法在说明书摘要公布了：本发明公开了一种基于深度度量学习的雷达辐射源个体识别方法，涉及雷达信号处理领域。方法为：首先对已知的原始雷达脉冲波形数据进行处理，依次读取单脉冲数据，提取出脉冲包络、瞬时频率、频谱等初始脉内特征，接着进行归一化、截断、多特征融合等进一步处理，生成训练样本；然后构造深度神经网络架构，使用度量学习方法对个体的网络提取特征进行优化，使得雷达个体特征的类内距离减小，类间距离增大；最后，使用网络模型依次提取测试数据的个体特征，输入分类器得到识别结果。相比于传统的雷达辐射源个体识别方法，本方法具有处理速度快、特征提取精度高、识别效果好的特点，同时可有效改善对未知雷达个体的识别性能。

本发明授权一种基于深度度量学习的雷达辐射源个体识别方法在权利要求书中公布了：1.一种基于深度度量学习的雷达辐射源个体识别方法，其特征在于，所述方法包括： 步骤1、将已知的原始雷达脉冲波形数据进行预处理，依次读取每个脉冲的波形数据，确定脉冲包络、瞬时频率、频谱在内的脉内特征； 步骤2、基于每个单脉冲的包络前沿、瞬时频率和频谱特征进行归一化、截取和多特征融合处理，生成初始训练样本数据； 步骤3、构建神经网络模型，确定数据输入到网络的方式，确定网络架构； 步骤4、基于深度度量学习方法设计网络的损失函数，通过度量学习来优化雷达个体的网络特征分布，训练出收敛的网络模型； 步骤5、确定未知的雷达脉冲波形数据的单脉冲融合特征，并使用训练好的网络模型提取个体特征向量，将提取的向量经过分类层，输出个体识别结果； 步骤2所述基于每个单脉冲的包络、瞬时频率和频谱特征进行归一化、截取和多特征融合处理，生成初始训练样本数据，包括： 步骤2.1、对于每个雷达脉冲的包络序列an、瞬时频率序列频谱序列Xk进行峰归一化处理，得到归一化后的对应特征序列 步骤2.2、对每个脉冲的各个归一化后的特征序列各截取100个点进行特征融合，生成维度为300的初始特征； 步骤2.3、对生成的初始特征按照每个采样点16bits的格式保存为字节数据，作为训练样本； 步骤4所述的基于深度度量学习方法设计网络的损失函数，通过度量学习来优化雷达个体的网络特征分布，训练出收敛的网络模型，包括： 步骤4.1、将损失函数确定为多分类的交叉熵损失函数和度量学习中的中心损失函数的结合；结合系数为λ，最终损失L＝LS+λLC，其中为LS即交叉熵损失函数，LC为中心损失函数，λ是控制同类数据的聚合程度的系数；设置λ的取值区间为[0,0.1],变化步长0.01； 步骤4.2、以L为损失函数，结合训练样本和网络结构，设置训练轮数为Num*100，其中Num表示已知雷达个体的种类；按0.01的步长在[0,0.1]的范围内对λ进行迭代，直至训练出一个收敛的分类模型并保存模型； 步骤4.3、在不同λ值对应的模型中，选择类间距离最大、类内距离最小的模型作为最终的个体识别模型。

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船舶集团有限公司第七二三研究所，其通讯地址为：225001 江苏省扬州市广陵区南河下26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。