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空军工程大学申请的专利一种基于深度强化学习的组网雷达多目标三维成像资源调度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：CN118981014B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411005114.5，技术领域涉及：G01S13/87；该发明授权一种基于深度强化学习的组网雷达多目标三维成像资源调度方法是由王聃;姚欢;张群;罗迎;娄昊;梁佳;倪嘉成;李开明设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本一种基于深度强化学习的组网雷达多目标三维成像资源调度方法在说明书摘要公布了：本发明提出一种基于深度强化学习的组网雷达多目标三维成像资源调度方法，包括下列步骤：对目标特征进行感知，计算目标所需方位向分辨率；确定各雷达对目标的二维成像平面及投影关系；分析雷达节点分布对目标三维成像质量的影响；构建组网雷达多目标三维成像资源调度模型；设计强化学习关键要素；对组网雷达多目标三维成像资源调度模型进行求解，根据调度结果对目标进行三维成像。本发明通过对调度模型求解可以得到雷达对各目标观测的最佳策略，然后根据调度策略各雷达采用稀疏孔径ISAR成像算法对其目标集合中的目标进行二维成像，最后结合三维成像方法实现目标三维成像，完成雷达对多目标的三维成像任务。

本发明授权一种基于深度强化学习的组网雷达多目标三维成像资源调度方法在权利要求书中公布了：1.一种基于深度强化学习的组网雷达多目标三维成像资源调度方法，具体包括下列步骤： 第一步：对目标特征进行感知，计算目标所需方位向分辨率； 第二步：确定各雷达对目标的二维成像平面及投影关系； 第三步：分析雷达节点分布对目标三维成像质量的影响； 第四步：构建组网雷达多目标三维成像资源调度模型； 第五步：设计强化学习关键要素；所述第五步具体为： 采用A2C方法深度强化学习方法对资源调度模型进行求解，对强化学习的关键要素进行设计： Step5.1状态State：认为每一种雷达节点分配方案为一个State，设每个目标的雷达节点选择方案为Sn，则State为所有目标的雷达节点选择方案：S＝S1,S2,...,Sn，其中Sn为长度为m的布尔向量； Step5.2动作Action：将动作设置为目标序号n+雷达节点选择方案Sk：a＝n,Sk，即每一次动作只改变一个目标的雷达节点选择方案，其中，将根据资源调度模型的约束条件筛选掉一些不符合条件的雷达节点选择方案，对动作空间进行剪枝； Step5.3状态转移StateTransition：直接根据动作a＝n,Sk将目标n的雷达节点选择方案改为Sk； Step5.4状态价值StateValue：将状态价值与调度模型的目标函数保持一致，设置为组网雷达完成多目标三维成像任务的总时间的负值； Step5.5奖励Reward：将每一个动作的奖励设置为下一个状态的状态价值减去当前状态的状态价值，即： Reward＝SVSn-SVSc19 其中，Sn表示下一个状态，Sc表示当前状态，SV·表示状态价值；当折扣因子γ设置为一个趋于1的数时，每一轮训练的累积回报return近似于该轮训练最后一个状态的状态价值减去初始状态的状态价值，即： 其中，r为奖励值，从式20中看出，初始状态的状态价值SVS0一定，使用强化学习的方法求解得到状态价值最大的状态； 第六步：对组网雷达多目标三维成像资源调度模型进行求解，根据调度结果对目标进行三维成像。

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空军工程大学，其通讯地址为：710043 陕西省西安市灞桥区长乐东路甲字一号；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。