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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利基于恒虚警卷积核的深度学习海杂波鉴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：CN119620022B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411721096.0，技术领域涉及：G01S7/41；该发明授权基于恒虚警卷积核的深度学习海杂波鉴别方法是由吴巍;刘丹丹;薛冰设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本基于恒虚警卷积核的深度学习海杂波鉴别方法在说明书摘要公布了：本发明公开了一种基于恒虚警卷积核的深度学习海杂波鉴别方法。首先将多帧雷达信号转换为图数据，利用图数据的时空特征初步抑制海杂波，然后，通过将雷达信号处理中经典的恒虚警检测滑窗模型作为卷积神经网络模型的卷积核，构建检测滑窗卷积神经网络模型，利用提出的检测滑窗卷积神经网络模型对图数据节点进行特征提取和分类，从而实现海杂波背景下的目标鉴别。仿真实验证明在信杂比为9dB时其检测概率便能达到98％，优于传统的CFAR检测，通过类似恒虚警率的检测方法，根据CFAR中的检测滑窗工作原理设计卷积核，使网络模型更具可解释性，同时融入更多的数据特征，且参数规模更小，运行速度更快。

本发明授权基于恒虚警卷积核的深度学习海杂波鉴别方法在权利要求书中公布了：1.一种基于恒虚警卷积核的深度学习海杂波鉴别方法，其特征在于，包括以下步骤： 步骤1：输入雷达距离维和脉冲维的二维信号S； 步骤2：低阈值检测处理； 对雷达信号S:,k每一帧回波信号进行阈值检测，由每一帧的具体数据决定该帧的检测阈值，检测阈值用下面公式求取： 其中，pfa为设置的恒虚警率，函数sort是对每一帧回波进行降序排列，在降序排列后得到一组新的数据Ss:,k，Tk值则为Ss:,k第0.01*R项，R代表排列后的数据个数； 每一帧在进行处理后，便得到数组 其中，r、k为数据单元的索引，表示该数据是第k帧中的第r个距离单元的数据； 步骤3：连通性检测处理； 通过低阈值检测后，S'为0、1矩阵，值为1的数据是感兴趣的数据，其为目标的置信度更高，由于目标回波信号具有连续性，则认为在一帧中多个连续的值为1的数据，都来自于一个目标的回波信息，通过连通性检测，避免将连续的值为1的数据判断为不同目标，提高其检测精度，并减少不重要的信息输入， 对每帧S':,k进行连通性检测，得到n个连通分量，对应该帧中的n个节点 其中，ni是第i帧的节点数目，n为该组数据中总的节点数目，从每个节点中获取时空辅助特征和信号特征两种特征值； 步骤4：时空辅助特征提取处理； 输入距离维和脉冲维二维雷达信号，距离辅助特征Fa＝{r,k,c}，由该节点的中心距离单元ri，帧数ki和每个节点的大小ci组成，其中ri为： 对所有点进行时空辅助特征提取处理，实现目标信号在形态学上进行点迹凝聚； 步骤5：关联性检测处理； 在多帧数据中，通过帧与帧之间节点的关联，更好的鉴别目标回波信号和海杂波信号，对相邻两帧进行关联： Vi,j＝absri-rj 其中，Vi,j上限为a，表示相邻两帧的节点中心距离单元之差的绝对值小于等于a； 步骤6：基于恒虚警卷积核的深度学习海杂波鉴别； 利用已经训练好的基于恒虚警卷积核的深度学习海杂波鉴别模型对二维雷达信号图进行海杂波鉴别处理，输出为滤除海杂波后的信号图。

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人民解放军海军工程大学，其通讯地址为：430033 湖北省武汉市硚口区解放大道717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。