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！

龙图腾网获悉西安晟昕科技股份有限公司申请的专利基于深度学习的协同干扰方法、电子设备及存储介质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：CN120831635B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511324409.3，技术领域涉及：G01S7/38；该发明授权基于深度学习的协同干扰方法、电子设备及存储介质是由张伟;张立;陈昌斌;朱怀典设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本基于深度学习的协同干扰方法、电子设备及存储介质在说明书摘要公布了：本发明公开了基于深度学习的协同干扰方法、电子设备及存储介质，涉及雷达协同干扰技术领域，该方法包括：采集并分析目标雷达回波，构建观测信号特征张量和干扰平台可靠性系数；基于理想标准构建理想信号特征张量并与观测张量进行跨模态隐式对齐，提取双重不一致因子；调用协同干扰策略生成器解析双重不一致因子，输出初始协同干扰策略；结合平台可靠性系数对功率频谱进行协同调度，生成目标协同干扰策略。本发明解决了现有雷达干扰方法在应对现代化雷达系统时存在适应性差、干扰效率低的技术问题，达到了通过跨模态隐式对齐提取双重不一致因子并生成协同干扰策略，提高对现代雷达系统的干扰适应性和干扰效率的技术效果。

本发明授权基于深度学习的协同干扰方法、电子设备及存储介质在权利要求书中公布了：1.基于深度学习的协同干扰方法，其特征在于，所述方法包括： 通过干扰平台集合对目标干扰雷达的发射信号回波进行采集，获得雷达回波序列集合，并对所述雷达回波序列集合进行时-频谱能量分布和距离-多普勒-方位特征整合分析，确定观测信号特征张量和干扰平台可靠性系数集合； 基于雷达回波序列集合和脉冲压缩理想标准确定理想信号特征张量，将所述理想信号特征张量与观测信号特征张量进行跨模态隐式对齐，提取双重不一致因子集合，其中，所述双重不一致因子集合包括第一重不一致因子和第二重不一致因子； 调用协同干扰策略生成器对所述第一重不一致因子和第二重不一致因子进行策略解析，输出初始协同干扰策略，其中，所述协同干扰策略生成器基于深度学习构建，所述协同干扰策略包括干扰类型、干扰频率范围、子脉冲选择、相位调制方式和时序偏移； 结合所述干扰平台可靠性系数集合和所述初始协同干扰策略进行干扰平台集合的功率频谱协同调度，获得目标协同干扰策略，并基于所述目标协同干扰策略对所述目标干扰雷达进行协同干扰； 其中，基于脉冲压缩理想标准确定理想信号特征张量，将所述理想信号特征张量与观测信号特征张量进行跨模态隐式对齐，提取双重不一致因子集合，其中，所述双重不一致因子集合包括第一重不一致因子和第二重不一致因子，包括： 对所述雷达回波序列集合进行雷达体制参数识别，获得目标干扰雷达体制参数，并结合脉冲压缩理想标准确定理想信号特征张量； 将所述理想信号特征张量与所述观测信号特征张量通过共享编码器进行空间嵌入映射，获得理想信号特征向量和观测信号特征向量； 对所述理想信号特征向量和观测信号特征向量进行跨模态隐式对齐和双重差异分析，获得所述双重不一致因子集合； 其中，对所述理想信号特征向量和观测信号特征向量进行跨模态隐式对齐和双重差异分析，获得所述双重不一致因子集合，包括： 对所述理想信号特征向量和观测信号特征向量进行跨模态关系矩阵构建，并对获得的跨模态关系矩阵进行池化降维权重分析，获得跨模态注意力权重； 将跨模态注意力权重与观测信号特征向量相乘，获得隐式对齐特征向量； 基于隐式对齐特征向量和所述理想信号特征向量进行频域功率分布差异识别，获得第一重不一致因子； 基于隐式对齐特征向量和所述理想信号特征向量进行时序相位轨迹差异识别，获得第二重不一致因子； 将所述第一重不一致因子和第二重不一致因子进行汇总，获得双重不一致因子集合； 其中，基于隐式对齐特征向量和所述理想信号特征向量进行频域功率分布差异识别，获得第一重不一致因子，包括： 基于所述隐式对齐特征向量和所述理想信号特征向量的频域和功率分布特征，构建隐式对齐特征向量能量谱高斯分布模型和理想信号特征向量能量谱高斯分布模型； 利用KL散度对所述隐式对齐特征向量能量谱高斯分布模型和理想信号特征向量能量谱高斯分布模型进行分布差异识别，获得所述第一重不一致因子； 其中基于隐式对齐特征向量和所述理想信号特征向量进行时序相位轨迹差异识别，获得第二重不一致因子，包括： 分别对所述隐式对齐特征向量和所述理想信号特征向量在时间维度和向量维度进行子空间投影，获得符号定时轨迹序列和相位轨迹序列； 利用共享权重的孪生网络，对符号定时轨迹序列和相位轨迹序列分别进行高维特征提取，获得隐式对齐特征向量嵌入表示和所述理想信号特征向量嵌入表示； 对所述获得隐式对齐特征向量嵌入表示和所述理想信号特征向量嵌入表示进行差异识别，获得第二重不一致因子。

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晟昕科技股份有限公司，其通讯地址为：710075 陕西省西安市高新区高新一路16号创业大厦八楼C座810室；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。