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基于复值动态融合网络的空间微动目标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：CN119293581B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411310553.7，技术领域涉及：G06F18/241；该发明授权基于复值动态融合网络的空间微动目标识别方法是由白雪茹;毛续晨;白晓丹;田旭东;周峰设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本基于复值动态融合网络的空间微动目标识别方法在说明书摘要公布了：本发明公开了一种基于复值动态融合网络的空间微动目标识别方法，主要解决现有空间微动目标识别方法无法充分利用目标各模态信息导致识别率低的问题。其方案为：生成复值RCS数据和复值HRRP数据；对复值RCS数据进行预处理得到二维复值递归图RP数据；对该RP数据和HRRP数据进行划分，生成训练集和测试集；构建包含多模态特征提取模块，动态融合模块和分类器的复值动态融合网络；将训练集数据输入到复值动态融合网络中，通过反向传播算法对其进行训练；将测试集数据输入到训练好的复值动态融合网络，通过网络的前向传播得到最终的识别准确率。本发明能充分利用雷达宽窄带回波的复值特性，有效提升目标识别准确率和抗噪性能，可用于航空航天的目标跟踪。

本发明授权基于复值动态融合网络的空间微动目标识别方法在权利要求书中公布了：1.一种基于复值动态融合网络的空间微动目标识别方法，其特征在于，包括： 1生成数据集： 1a建立六类空间微动目标的三维几何电磁模型，并分别获得其窄带和宽带回波； 1b对原始回波进行动态抽取，进而得到复值RCS数据和复值HRRP数据； 1c对六类空间微动目标的复值RCS数据进行预处理，将其转换为能够反映时间序列动态特征的二维复值递归图RP数据； 2对六类空间微动目标的复值RP数据与复值HRRP数据进行划分，生成训练集和测试集； 3构建复值动态融合网络： 3a建立由两个卷积神经网络并联组成的多模态特征提取模块，用于提取复值RP特征及复值HRRP特征； 3b建立由特征信息量动态估计子模块和模态信息量动态估计子模块拼接组成的动态融合模块，用于将复值RP及复值HRRP这两类模态的特征进行动态融合，其实现如下： 所述特征信息量动态估计子模块，其先通过引入特征信息量编码器xm→wm评估复值RP及复值HRRP两类特征的信息量wm并对其应用由损失函数控制的KL散度，再通过稀疏性策略确定空间微动目标融合识别任务中不同样本的关键特征，最后通过稀疏门控策略保持重要信息，抑制无用信息，从而将xm转换为计算公式如下： 其中xm为特征样本，wm为其信息量，dm表示复值特征维度，FCV表示复全连接层，abs表示取模值，θ·表示Tanh激活函数，m表示模态序号，M表示模态类型个数，表示特征信息量第i个节点的平均激活程度，B表示当前批次的大小，ρ表示一个接近0的稀疏参数，表示保留重要信息后的特征样本，⊙表示Hadamard积； 所述模态信息量动态估计子模块，用于将输入到复全连接层并用ReLU函数激活获得模态特征hm，再分两路输出，一路输入进分类器fm获得hm对应的正确类概率TCPm和分类器的损失函数另一路输入到置信网络gm得到TCPm的估计值和置信网络的损失函数 其中，分类器fm由复全连接层和Softmax激活函数拼接而成，y＝[y1',...,yk',…,yK']，yk'表示类别标签y的第k个元素值，预测概率为K表示目标类别数，表示第m个模态下特征样本预测属于第k类的后验概率，TCPm∈[0，1]；置信网络gm由复全连接层和Tanh激活函数拼接而成，TCPm的估计值 将上述不同模态特征hm与正确类概率的估计值相乘，并将不同模态的乘积进行拼接得到多模态融合特征h，最后通过复全连接层F对多模态融合特征进行非线性表示能力增强，得到增强后的非线性多模态融合特征 其中[]表示拼接操作； 3c选用现有的Softmax分类器，用于获得最终多模态分类结果； 3d将多模态特征提取模块、动态融合模块和分类器模块依次级联，构成复值动态融合网络； 4将训练集数据输入到复值动态融合网络，通过反向传播算法对其进行训练，得到训练好的复值动态融合网络中 5将测试集数据输入到训练好的复值动态融合网络，得到空间微动目标识别结果。

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 陕西省西安市雁塔区太白南路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。