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！

龙图腾网获悉西安电子科技大学申请的专利复数域分层雷达抗干扰样式联合参数决策网络的训练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：CN119849559B 。

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：202411972133.5，技术领域涉及：G06N3/0464；该发明授权复数域分层雷达抗干扰样式联合参数决策网络的训练方法是由宋炫;李亚超;岑熙;仲秦;王家东;张鹏;张彬;郭鹏程设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本复数域分层雷达抗干扰样式联合参数决策网络的训练方法在说明书摘要公布了：本发明提供了一种复数域分层雷达抗干扰样式联合参数决策网络的训练方法，通过构建复数域干扰特征提取网络；构建包括外层抗干扰样式决策网络和内层抗干扰参数决策网络的分层抗干扰决策模型HCD2QNet；级联复数域干扰特征提取网络和分层抗干扰决策模型HCD2QNet，得到复数域分层雷达抗干扰样式联合参数决策网络；接收干扰机发射的有源干扰信号，根据接收到的信号得到带有复数干扰信号的雷达回波，并根据该雷达回波训练复数域分层雷达抗干扰样式联合参数决策网络，得到的复数域分层雷达抗干扰样式联合参数决策网络实现了从原始雷达回波信号到抗干扰措施的感知决策一体化，增强了雷达抗干扰决策对抗的灵活性和高效性。

本发明授权复数域分层雷达抗干扰样式联合参数决策网络的训练方法在权利要求书中公布了：1.一种复数域分层雷达抗干扰样式联合参数决策网络的训练方法，其特征在于，包括： S1，构建复数域干扰特征提取网络，所述复数域干扰特征提取网络包括复数干扰回波实部网络分支和复数干扰回波虚部网络分支，所述复数干扰回波实部网络分支用于提取回波实部特征，所述复数干扰回波虚部网络分支用于提取回波虚部特征； S2，构建分层抗干扰决策模型HCD2QNet，所述分层抗干扰决策模型HCD2QNet包括外层抗干扰样式决策网络和内层抗干扰参数决策网络，所述外层抗干扰样式决策网络用于根据所述复数域干扰特征提取网络的输出的干扰环境状态向量，确定最佳抗干扰样式，所述内层抗干扰参数决策网络用于根据所述复数域干扰特征提取网络的输出的干扰环境状态向量和所述最佳抗干扰样式，确定最佳抗干扰参数； 所述外层抗干扰样式决策网络包括：第1全连接层、第2全连接层、第3全连接层、第4全连接层和第一元素相加模块；其中，所述第1全连接层的输出为所述第2全连接层的输入；所述第2全连接层的输出分别为所述第3全连接层、所述第4全连接层的输入；所述第3全连接层的输出和所述第4全连接层的输出在所述第一元素相加模块中进行元素相加操作； 所述内层抗干扰参数决策网络包括：第5全连接层、第6全连接层、第7全连接层、第8全连接层和第二元素相加模块；其中，所述第一元素相加模块的输出和所述第5全连接层的输出为所述第6全连接层的输入；所述第6全连接层的输出分别为所述第7全连接层、所述第8全连接层的输入；所述第7全连接层的输出和所述第8全连接层的输出在所述第二元素相加模块中进行元素相加操作； S3，级联所述复数域干扰特征提取网络和所述分层抗干扰决策模型HCD2QNet，得到复数域分层雷达抗干扰样式联合参数决策网络，其中，所述复数域干扰特征提取网络的输出作为所述分层抗干扰决策模型HCD2QNet外层抗干扰样式决策网络的输入，所述复数域干扰特征提取网络的输出与所述分层抗干扰决策模型HCD2QNet外层抗干扰样式决策网络的输出共同作为内层抗干扰参数决策网络的输入； S4，接收干扰机发射的有源干扰信号，根据接收到的信号，得到带有复数干扰信号的雷达回波，并根据所述带有复数干扰信号的雷达回波，训练所述复数域分层雷达抗干扰样式联合参数决策网络。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。