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！

龙图腾网获悉吉林大学申请的专利一种基于探地雷达的深度学习路面离析识别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：CN116660852B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310689497.1，技术领域涉及：G01S7/41；该发明授权一种基于探地雷达的深度学习路面离析识别方法是由马永建;宋现敏;李志慧;李海涛;曹倩;张云翔;陶鹏飞设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本一种基于探地雷达的深度学习路面离析识别方法在说明书摘要公布了：一种基于探地雷达的深度学习路面离析识别方法，它属于智能交通领域。本发明解决了现有基于深度学习网络的路面离析识别方法的识别效果差的问题。本发明方法为：1、获取已知离析情况的路面的探地雷达波形数据，再计算雷达波振幅、雷达波相位和相位梯度；2、计算获取的探地雷达波形数据的离析区域注意力分数；3、将获得的雷达波振幅、雷达波相位和相位梯度进行拼接后作为构建的深度学习网络的输入，并融合离析区域注意力分数对构建的深度学习网络进行训练；4、获取待检测路面的探地雷达波形数据的雷达波振幅、雷达波相位、相位梯度以及离析区域注意力分数；再输入训练好的深度学习网络得到离析识别结果。本发明可以应用于智能交通领域。

本发明授权一种基于探地雷达的深度学习路面离析识别方法在权利要求书中公布了：1.一种基于探地雷达的深度学习路面离析识别方法，其特征在于，所述方法具体包括以下步骤： 步骤一、获取已知离析情况的路面的探地雷达波形数据，再对获取的探地雷达波形数据进行振幅恢复处理，得到振幅恢复后的雷达信号； 对振幅恢复后的雷达信号进行振幅和相位分解，得到雷达波振幅和雷达波相位；再取雷达波相位在深度方向上的梯度作为相位梯度； 步骤二、计算步骤一获取的探地雷达波形数据在各采样点的离析区域注意力分数； 所述步骤二的具体过程为： 其中，为在采样点的离析区域注意力分数，为在采样点的信息熵，为在采样点的变异系数，为最大最小归一化，为加权和操作的权重向量，为采样点的邻居点的相位梯度数据的集合，为相位梯度数据的离散化水平，为中的数据落入第个离散等级的概率，，为标准差算子，为均值算子； 步骤三、构建深度学习网络，将步骤一中获得的雷达波振幅、雷达波相位和相位梯度进行拼接后作为构建的深度学习网络的输入，并融合各采样点的离析区域注意力分数对构建的深度学习网络进行训练； 步骤四、采集待检测路面的探地雷达波形数据，再采用步骤一的方法对采集的数据进行处理，得到待检测路面的探地雷达波形数据的雷达波振幅、雷达波相位以及相位梯度，对雷达波振幅、雷达波相位以及相位梯度进行拼接，得到拼接后的数据； 计算待检测路面的探地雷达波形数据在各采样点的离析区域注意力分数； 将拼接后的数据以及离析区域注意力分数输入训练好的深度学习网络，通过训练好的深度学习网络输出对待检测路面的离析识别结果； 所述步骤三中构建的深度学习网络的结构具体包括：第一卷积层至第十六卷积层、第一平均池化层至第八平均池化层、第一批归一化层至第五批归一化层、最大池化层、第一反卷积层至第三反卷积层以及softmax分类层； 所述深度学习网络的工作过程为： 将待检测路面对应的拼接后数据和离析区域注意力分数作为深度学习网络的输入，拼接后数据依次经过第一卷积层、第二卷积层、第一批归一化层和第一平均池化层；离析区域注意力分数经过第二平均池化层； 将第一平均池化层的输出与第二平均池化层的输出以逐通道按位相乘的方式融合，得到融合结果A； 融合结果A依次经过第三卷积层、第四卷积层、第二批归一化层和第三平均池化层；第二平均池化层的输出经过第四平均池化层后，将第三平均池化层的输出与第四平均池化层的输出以逐通道按位相乘的方式融合，得到融合结果B； 融合结果B依次经过第五卷积层、第六卷积层、第七卷积层、第三批归一化层和第五平均池化层；第四平均池化层的输出经过第六平均池化层后，将第五平均池化层的输出与第六平均池化层的输出以逐通道按位相乘的方式融合，得到融合结果C； 融合结果C依次经过第八卷积层、第九卷积层、第十卷积层、第四批归一化层和第七平均池化层；第六平均池化层的输出经过第八平均池化层后，将第七平均池化层的输出与第八平均池化层的输出以逐通道按位相乘的方式融合，得到融合结果D； 融合结果D依次经过第十一卷积层、第十二卷积层、第十三卷积层、第五批归一化层、最大池化层、第十四卷积层、第十五卷积层和第十六卷积层，再将第十六卷积层的输出作为第一反卷积层的输入； 第一反卷积层的输出与第七平均池化层的输出进行按位相加，得到按位相加结果A'； 将按位相加结果A'作为第二反卷积层的输入，将第二反卷积层的输出与第五平均池化层的输出进行按位相加，得到按位相加结果B'； 将按位相加结果B'作为第三反卷积层的输入，第三反卷积层的输出再经过softmax分类层，通过softmax分类层输出对待检测路面的离析识别结果。

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吉林大学，其通讯地址为：130023 吉林省长春市南关区人民大街5988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。