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;西安交通大学申请的专利基于高斯混合模型的杂波背景提取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：CN116413672B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310176783.8，技术领域涉及：G01S7/41；该发明授权基于高斯混合模型的杂波背景提取方法是由刘向丽;许明辉;王志国;李赞;范文靖;付祎;李思远设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本基于高斯混合模型的杂波背景提取方法在说明书摘要公布了：本发明公开了一种基于高斯混合模型的杂波背景提取方法，实现步骤为：获取训练样本集和测试样本集；构建高斯混合模型；对高斯混合模型进行迭代训练；对每个测试样本的类别进行预测；获取杂波背景的提取结果。本发明中使用的高斯混合模型可以有效地确定具有目标特征的信息，利用目标信息将其中虚假的目标信息排除可以确定真实目标，由真实目标通过剔除样本中的真实目标信号，可以提取到包含具有较高强度杂波背景在内的杂波背景信息，最终得到较为全面的杂波背景信息，避免了现有技术对多普勒‑距离图像中具有较高强度的杂波背景的提取能力较差的缺陷，有效提高了对杂波的抑制能力。

本发明授权基于高斯混合模型的杂波背景提取方法在权利要求书中公布了：1.一种基于高斯混合模型的杂波背景提取方法，其特征在于，包括如下步骤： 1获取训练样本集和测试样本集： 1a获取机载频段雷达通过脉冲-多普勒工作模式在秒的跟踪时长内以为脉冲重复频率对无人机目标连续跟踪的个脉冲回波数据，并对每个脉冲回波数据进行次采样，得到个离散数字信号，然后对每个离散数字信号进行预处理，再利用预处理后的所有时域脉冲信号构建维度为的时域脉冲信号矩阵，其中，，，； 1b以脉冲数目为间隔对时域脉冲信号矩阵进行距离单元数目为的相参脉冲积累，得到由幅维度为的多普勒-距离图像组成的图像集，并将图像集中的幅图像作为训练样本集，将其余的幅图像作为测试样本集，其中，，； 2构建高斯混合模型： 构建由并行排布的个子模型组成的高斯混合模型，第次采样第个距离单元对应的子模型包含个高斯分布函数，其中，,,； 3对高斯混合模型进行迭代训练： 3a初始化迭代次数为，最大迭代次数为，，随机抽取训练样本集中的任意一个训练样本初始化第个子模型中第个高斯分布函数的权值、均值、方差分别为、、，并令； 3b将训练样本集作为高斯混合模型的输入，每个子模型对每个训练样本中的每个像素数值的类别进行预测，得到的预测结果： ； ； 其中，表示第个训练样本中第个采样点的第个距离单元位置上信号的类别预测结果，表示预测的类别结果为目标信号，表示预测的类别结果为杂波信号； 3c通过全局学习率对每个子模型中的每个高斯分布函数的权值、均值、方差进行更新，得到每个高斯分布函数参数为、、的更新后的子模型； 3d选取参数更新后的子模型中最大的个高斯分布函数组成当前迭代次数为后的子模型，其中表示满足前个的和大于阈值时刻的的数值大小，； 3e判断是否成立，若是，得到训练好的高斯混合模型，否则，令，并执行步骤3b； 4对每个测试样本的类别进行预测： 将测试样本集作为训练好的高斯混合模型的输入，每个子模型对每个测试样本中的每个像素数值的类别进行预测，得到的预测结果； 5获取杂波背景的提取结果： 统计测试样本集对应的个预测结果在第个采样点的第个距离单元位置上类别预测数值为1的次数，并将满足的第个预测结果对应的测试样本中在第个采样点的第个距离单元位置上的像素数值置零，得到个测试样本中的杂波背景。

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;西安交通大学，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。