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！

龙图腾网获悉湖南工商大学申请的专利基于类别特定建模的无人机识别方法、装置、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：CN121302078B 。

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：202511856893.4，技术领域涉及：G06F18/241；该发明授权基于类别特定建模的无人机识别方法、装置、设备及存储介质是由黄雯蒂;杨潜宇;赵慎设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本基于类别特定建模的无人机识别方法、装置、设备及存储介质在说明书摘要公布了：本申请公开了一种基于类别特定建模的无人机识别方法、装置、设备及存储介质，涉及基于数字数据处理的模式识别技术领域，所述方法包括：获取无人机的射频信号，经短时傅里叶变换生成时频图；将时频图输入目标残差网络，提取无人机特征向量；利用训练阶段为每个无人机已知类构建的高斯混合模型，计算该特征向量在各模型下的对数似然值，并根据最大对数似然值与预设自适应阈值得到初步判别结果；对初步判为未知类的样本，计算其与已知类无人机样本特征矩阵中所有样本的最小特征距离，若该距离小于预设回收阈值，则将其重新分类为对应最近邻样本所属的已知类无人机。本申请能够在开放环境中准确识别已知类无人机并有效区分未知类无人机。

本发明授权基于类别特定建模的无人机识别方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于类别特定建模的无人机识别方法，其特征在于，所述方法包括： 获取监测区域内无人机的射频信号，并对所述射频信号进行短时傅里叶变换，得到时频图； 将所述时频图输入目标残差网络进行特征提取，得到无人机特征向量，所述目标残差网络是对ResNet18进行改进得到的； 调用在训练阶段为每个无人机已知类构建的对应的高斯混合模型，计算所述无人机特征向量在每个所述高斯混合模型下的对数似然值； 根据所述对数似然值中的最大值与预设自适应阈值，得到初步判别结果，所述预设自适应阈值是在所述训练阶段确定的； 调用在所述训练阶段得到的已知类无人机样本的特征矩阵和预设回收阈值，并计算所述初步判别结果中判定为未知类无人机对应的所述无人机特征向量与所述特征矩阵中所有样本的最小特征距离； 当所述最小特征距离小于所述预设回收阈值时，将所述未知类无人机重新分类为所述最小特征距离对应的已知类无人机； 所述目标残差网络的构建步骤包括： 以ResNet18作为基础网络架构，所述基础网络架构包括卷积层、池化层、全连接层以及输出层； 在所述池化层之后嵌入卷积块注意力模块，并在所述全连接层之前嵌入特征分布标准化模块和L2正则化处理模块，得到初始残差网络； 将交叉熵损失函数与对比中心损失函数进行组合，得到改进型损失函数； 将所述改进型损失函数作为所述初始残差网络的损失计算函数，得到目标残差网络； 所述特征矩阵和所述预设回收阈值的获取步骤包括： 在所述训练阶段，获取所有所述已知类无人机的训练样本； 通过所述目标残差网络对每个所述训练样本进行特征提取，得到每个所述训练样本对应的样本特征向量； 按所述训练样本的已知类标签对所述样本特征向量进行分类整理，将同一所述已知类标签对应的所有所述样本特征向量组合，得到所述已知类无人机样本的特征矩阵； 计算所述特征矩阵中任意两个所述样本特征向量之间的成对欧几里得距离，得到距离矩阵，所述距离矩阵中对角线位置的元素设置为无穷大； 从所述距离矩阵中筛选出每个所述样本特征向量与其他所有样本特征向量之间的距离最小值，得到最小距离集合； 将所述最小距离集合的95分位数作为预设回收阈值。

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湖南工商大学，其通讯地址为：410000 湖南省长沙市岳麓区岳麓大道569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。