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！

龙图腾网获悉南京理工大学申请的专利一种基于时空联合感知的海杂波回波数据样本生成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：CN117991193B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202311695625.X，技术领域涉及：G01S7/02；该发明授权一种基于时空联合感知的海杂波回波数据样本生成方法是由纪程;陈安琪;周明亮;徐学永;吴超设计研发完成，并于2023-12-11向国家知识产权局提交的专利申请。

本一种基于时空联合感知的海杂波回波数据样本生成方法在说明书摘要公布了：本发明公开了一种基于时空联合感知的海杂波数据样本生成方法，包括：根据海杂波数据的幅度分布统计特征获取接近真实海杂波分布的脉冲噪声；采用滑动窗口在纯净海杂波数据中抽取数据形成独立样本，将样本转换为双通道实样本；搭建基于Transformer的海杂波生成器与鉴别器；将脉冲噪声作为先验信息输入到生成器中，基于双通道实样本对生成器和鉴别器进行协同训练，直至生成器和鉴别器训练到达到纳什均衡状态；后取训练好的生成器生成的海杂波数据，作为真实数据的替代或扩充，对生成回波数据和真实回波数据进行特性分析。本发明可以利用少量的海杂波数据进行海量生成，具有精度高、易训练、便迁移等优点。

本发明授权一种基于时空联合感知的海杂波回波数据样本生成方法在权利要求书中公布了：1.一种基于时空联合感知的海杂波数据样本生成方法，其特征在于，包括如下步骤： 步骤1、获取海杂波原始数据集，去除异常单元；获取去除异常单元后的纯净海杂波数据的幅度分布统计特征和相关长度，其中，获取去除异常单元后的纯净海杂波数据的相关长度的具体方法为： 计算去除异常单元后的纯净海杂波数据的相关系数估值，具体公式为： 式中，xk为第k个距离单元的海杂波序列，xk+l为第k+l个距离单元的海杂波序列，l为自然数，N为距离单元总个数，*为复共轭，分别为杂波序列均值的模平方和均方值； 当pl从1衰减至1e时的距离单元个数即海杂波数据的相关长度L； 根据幅度分布统计特征获取接近真实海杂波分布的脉冲噪声；采用滑动窗口在纯净海杂波数据中抽取数据形成独立样本，其中样本的尺寸根据相关长度选取；将样本转换为双通道实样本； 步骤2、搭建基于Transformer的海杂波生成器与鉴别器；所述生成器与鉴别器主体均采用多个Transformer编码块堆叠而成，所述生成器包括依次连接的线性层、位置编码层、若干个堆叠在一起的的Transformer编码块以及卷积层； 所述鉴别器包括依次连接的位置编码层、若干个堆叠在一起的的Transformer编码块以及分类头； 所述Transformer编码块包括轴向注意模块和前馈神经网络模块，轴向注意力模块分别在脉冲和距离进行注意力计算，用于捕捉脉冲-距离两个维度的不同特征，所述前馈神经网络模块包括GELU激活函数和前馈多层感知机，轴向注意模块和前馈神经网络模块之间采用残差连接； 步骤3、将步骤1得到的脉冲噪声作为先验信息输入到生成器中，基于步骤1所获得的双通道实样本对生成器和鉴别器进行协同训练，直至生成器和鉴别器训练到达到纳什均衡状态，具体方法为： 将步骤1中得到的脉冲噪声取长度N输入到生成器中，经过线性层映射到一个HM维空间中后得到了一个多维向量； 将多维向量输入到位置编码层，将向量划分为PN个片段，并在每个片段上添加相应的位置编码； 将位置编码后的向量输入到Transformer编码器中，经过编码器的运算后输出到一个卷积层中，通过卷积层将输入向量的尺寸变为与真实样本相同的尺寸，生成海杂波数据样本； 将海杂波数据样本与步骤1中得到的双通道实样本作为鉴别器的训练集，在训练集中取样本输入到鉴别器中，通过位置编码层进行位置编码后通过Transformer编码器进行特征捕捉，经过分类头得到真假分类的结果； 根据分类结果与真实结果之间的损失对鉴别器进行梯度更新； 通过不断重复以上操作令鉴别器和生成器交替训练至纳什均衡，随后保存训练好的模型； 步骤4、将训练好的生成器生成的海杂波数据与真实海杂波数据进行对比，计算统计特征相似性，将统计特征相似性与阈值作比较，若统计特征相似性小于阈值，则返回步骤3对网络参数进行调整，直到统计特征相似性大于阈值。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道200号南京理工大学；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。