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！

龙图腾网获悉西南交通大学申请的专利一种低截获概率雷达波形设计方法及装置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：CN121091255B 。

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：202511648780.5，技术领域涉及：G01S13/02；该发明授权一种低截获概率雷达波形设计方法及装置是由刘辛雨;马征;周伊;章正权;严宁杨;范平志设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本一种低截获概率雷达波形设计方法及装置在说明书摘要公布了：本发明涉及雷达技术领域，涉及一种低截获概率雷达波形设计方法及装置，所述方法包括获取预设的MDP元组；基于预设的MDP元组构建马尔可夫决策模型框架，所述马尔可夫决策模型框架包括构建雷达波形所采用的功率和雷达波形脉内调制样式的复杂度对应的设计框架；以最大化长期累积奖励为目标的策略优化方向对所述马尔可夫决策模型框架进行强化学习，得到雷达波形设计的强化学习优化模型；利用无模型的Q‑learning算法对所述雷达波形设计的强化学习优化模型进行求解，得到雷达波的设计参数，本发明实现了复杂电子对抗环境下低截获概率雷达波形的智能化设计，提升了雷达在未知对抗环境中的隐蔽性与探测性能平衡能力。

本发明授权一种低截获概率雷达波形设计方法及装置在权利要求书中公布了：1.一种低截获概率雷达波形设计方法，其特征在于，包括： 获取预设的MDP元组； 基于预设的MDP元组构建马尔可夫决策模型框架，所述马尔可夫决策模型框架包括构建雷达波形所采用的功率和雷达波形脉内调制样式的复杂度对应的设计框架； 以最大化长期累积奖励为目标的策略优化方向对所述马尔可夫决策模型框架进行强化学习，得到雷达波形设计的强化学习优化模型； 利用无模型的Q-learning算法对所述雷达波形设计的强化学习优化模型进行求解，得到雷达波的设计参数； 其中，基于预设的MDP元组构建马尔可夫决策模型框架，包括： 获取侦察方对雷达信号的有效累计接收功率和雷达截获状态； 基于所述侦察方对雷达信号的有效累计接收功率和所述雷达截获状态构建状态空间； 将雷达波形的功率和调制复杂度组合作为动作选项构建动作空间； 通过建立动作执行后累积功率变化规律与截获状态转换的映射关系，得到马尔可夫决策模型的状态转移概率，包括： 根据雷达当前状态与动作参数将侦察方对雷达信号的有效累计接收功率进行更新处理，通过将发射功率按波形复杂度衰减函数动态折算，得到更新处理后的累计接收功率； 在本步骤中，假设t时刻的状态为，执行动作At后，下一状态可能为：； 上式中，表示t时刻侦察方对雷达信号的有效累计接收功率，表示t时刻的截获状态，表示当前波形脉内调制样式的复杂度，表示侦察方对雷达波形复杂度的容忍程度，p表示当前脉冲波形所采用的功率； 根据更新处理后的累计接收功率计算截获接收信号信噪比，得到当前脉冲的截获信噪比指标； 根据所述当前脉冲的截获信噪比指标计算状态转移概率； 基于雷达性能需求对奖励函数进行设计，得到奖励函数。

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南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段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。