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！

龙图腾网获悉安徽大学申请的专利一种具有鲁棒性的基于雷达散射截面数据的电磁参数反演方法及设备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：CN120633449B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510813285.9，技术领域涉及：G06F30/27；该发明授权一种具有鲁棒性的基于雷达散射截面数据的电磁参数反演方法及设备是由程光尚;马汇川;杨利霞设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种具有鲁棒性的基于雷达散射截面数据的电磁参数反演方法及设备在说明书摘要公布了：本发明涉及一种具有鲁棒性的基于雷达散射截面数据的电磁参数反演方法：包括：获得三维飞机模型的雷达散射截面数据即RCS数据进行预处理，得到预处理后的数据集；构建基于Transformer与CNN混合架构的反演模型；构建基于深度高斯过程回归的正演模型；单独训练反演模型和正演模型，接着进行联合训练；根据评价指标对经过联合训练优化的反演预测模型进行评价。本发明有效的解决了电磁参数反演中的病态性、多解性和高维复杂性的问题，提高了预测的精度；有效解决了电磁反演问题中的多解问题，提高了整体的预测精度；使用了稀疏变分策略，有效降低了计算成本并降低了模型的计算复杂度，可以平滑的调整损失，提升了联合训练的稳定性。

本发明授权一种具有鲁棒性的基于雷达散射截面数据的电磁参数反演方法及设备在权利要求书中公布了：1.一种具有鲁棒性的基于雷达散射截面数据的电磁参数反演方法，其特征在于：该方法包括下列顺序的步骤： 1建立三维飞机模型，同时设置三维飞机模型的参数，获得三维飞机模型的雷达散射截面数据即RCS数据，RCS数据组成数据集，对数据集进行预处理，得到预处理后的数据集D； 2构建基于Transformer与CNN混合架构的反演模型，针对相对介电常数ε设计第一预测头，针对散射体尺寸变化范围ξ设计第二预测头； 3构建基于深度高斯过程回归的正演模型； 4首先单独训练反演模型和正演模型，使得反演模型和正演模型具有初步的预测能力；接着进行联合训练，得到经过联合训练优化的反演预测模型； 5根据评价指标对经过联合训练优化的反演预测模型进行评价； 步骤2具体是指：所述反演模型由Transformer模块和CNN卷积神经网络组成，所述Transformer模块包括编码层、多头自注意力层、融合层、第一通道注意力层、第二通道注意力层和自适应池化层；所述CNN卷积神经网络包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、展平层、相对介电常数线性层、相对介电常数输出层、尺寸变化范围线性层和尺寸变化范围输出层；相对介电常数线性层、相对介电常数输出层组成第一预测头，尺寸变化范围线性层和尺寸变化范围输出层组成第二预测头； 输入的RCS数据首先通过第一卷积层进行局部空间特征提取，得到局部特征数据；随后，将局部特征数据输入编码层，编码层依照顺序对角度信息进行编码并输入至多头自注意力层；多头自注意力层将编码后的数据送至多头自注意力层的四个注意力头，得到每个注意力头的子空间特征，子空间特征通过融合层拼接后经线性投影恢复至与多头自注意力层输入相同的维度并经过第二卷积层处理后，作为第一通道注意力层的输入特征； 第一通道注意力层对输入特征进行全局评估生成通道权重，并将通道权重送入第三卷积层，第三卷积层输出卷积融合局部特征进入第二通道注意力层；第二通道注意力层对卷积融合局部特征进行深度重校准，随后将校准后的特征输入第四卷积层，四卷积层输出多尺度集成特征图并送入自适应池化层中； 自适应池化层通过全局平均池化层生成第一通道描述符，通过全局最大池化层生成第二通道描述符，将第一通道描述符、第二通道描述符经共享多层感知机处理并相加，并通过Sigmoid函数生成通道权重，依照通道权重对多尺度集成特征图的通道进行缩放调整并输入展平层，展平层进行展平处理后分别送入第一预测头、第二预测头进行预测，第一预测头将展平层的输出通过两层的相对介电常数线性层和一层的相对介电常数输出层映射至相对介电常数ε，第二预测头将展平层的输出通过一层的尺寸变化范围线性层和一层的尺寸变化范围输出层映射至散射体尺寸变化范围ξ。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。