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！

龙图腾网获悉江西飞行学院申请的专利一种基于集成学习的多特征融合雷达目标识别系统及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：CN120724254B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511135779.2，技术领域涉及：G06F18/241；该发明授权一种基于集成学习的多特征融合雷达目标识别系统及方法是由肖永生;冯利鹏;胡义海;喻小龙;黄丽贞;周建江;危芬;廖峰;杜华;赵珂;温靖设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本一种基于集成学习的多特征融合雷达目标识别系统及方法在说明书摘要公布了：本发明公开了一种基于集成学习的多特征融合雷达目标识别系统及方法，属于雷达信号分类技术领域，该系统包括：角度不变特征提取网络，用于输入不同角度的HRRP雷达数据，并采用多层稀疏自编码器将所有单一的不同角度的特征进行融合，得到不同角度的角不变特征；多层稀疏自编码器包括编码器层、深层编码层、解码器层和输出层，并在均方误差函数的基础上增加正则化约束；HRRP雷达识别网络，用于对不同角度的角不变特征进行分类识别，形成对应于每个角度的角不变特征的分类结果；集成决策网络，用于通过投票决策的方式生成HRRP雷达数据的识别结果标签。本发明涉及的方法可直接对不同目标不同角度的HRRP数据进行识别分类识别。

本发明授权一种基于集成学习的多特征融合雷达目标识别系统及方法在权利要求书中公布了：1.一种基于集成学习的多特征融合雷达目标识别系统，其特征在于：其包括： 角度不变特征提取网络，用于输入不同角度的HRRP雷达数据，并采用多层稀疏自编码器将所有单一的不同角度的特征进行融合，得到不同角度的角不变特征； 所述的多层稀疏自编码器包括编码器层、深层编码层、解码器层和输出层，并在均方误差函数的基础上增加正则化约束； 所述的编码器层为全连接方式的编码器层，用于将时间序列的HRRP雷达数据序列按照顺序输入到输入层的n1个神经元中，并以全连接的方式与编码器层的m个神经元相连接，编码器层的权重矩阵为W1，权重矩阵的维度为m×n1，偏置向量为b1，偏置向量的维度为，神经元激活函数选择ReLU激活函数，编码器层的输出结果h1表示为： ； 所述的深层编码层用于提取HRRP雷达数据的深层特征，其神经元数量为l，权重矩阵为W2，权重矩阵维度为，偏置向量为b2，维度为，神经元激活函数选择ReLU激活函数，深层编码层的输出结果h2表示为： ； 所述的解码器层用于重构输入的HRRP雷达数据，解码器层与深层编码层构成对称设置，解码器层神经元数量为m，权重矩阵为W3，维度为，偏置向量为b3，维度为，神经元激活函数选择ReLU激活函数，解码器层的输出结果h3表示为： ； 所述的输出层用于输出不同角度的角不变特征，输出层节点数量为w个，权重矩阵为W4，维度为，偏置向量为b4，维度为，输出为角不变特征提取向量F，表示为： ； 所述的多层稀疏自编码器的损失函数表示为： ， 其中，JAE为多层稀疏自编码器的损失函数，W为编码器层、深层编码层、解码器层和输出层权重组成的矩阵，b为编码器层、深层编码层、解码器层和输出层偏置量组成的矩阵，为正则项稀疏，n为HRRP雷达数据序列数，Xi表示编号为i的HRRP雷达数据序列，Fi表示编号为i的HRRP雷达数据序列对应的角不变特征提取向量； 与角度等量的HRRP雷达识别网络，用于对不同角度的角不变特征进行分类识别，形成对应于每个角度的角不变特征的分类结果； 集成决策网络，用于通过投票决策的方式生成HRRP雷达数据的识别结果标签。

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江西飞行学院，其通讯地址为：330000 江西省南昌市红谷滩区红角洲卧龙路269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。