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！

龙图腾网获悉中国船舶集团有限公司第七二四研究所申请的专利一种基于先验匹配和域间对齐的雷达工作模式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：CN119622363B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202411884134.4，技术领域涉及：G06F18/22；该发明授权一种基于先验匹配和域间对齐的雷达工作模式识别方法是由杨明远;张玉喜;胡进;刘赟;曹俊纺;吴云松;许金鑫;曹鹏程设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种基于先验匹配和域间对齐的雷达工作模式识别方法在说明书摘要公布了：本发明公开一种基于先验匹配和域分布对齐的雷达工作模式识别方法。首先对雷达脉冲描述字数据进行预处理，去除异常值和噪声等，提高数据的质量。然后用编码器分别从源域和目标域侦收到的雷达脉冲描述字数据中提取潜在特征，利用源域数据的潜在特征和对应的标签在源域进行有监督训练，通过构建先验匹配正则化项，将源域和目标域特征的先验分布均约束为标准正态分布。采用一种基于分布特征函数之间的距离作为度量，实现域分布对齐的显式计算。最后利用先验匹配正则化项和分布特征函数距离构建损失函数，对目标域的数据进行无监督训练，以提高雷达工作模式识别模型在目标域的性能。

本发明授权一种基于先验匹配和域间对齐的雷达工作模式识别方法在权利要求书中公布了：1.一种基于先验匹配和域间对齐的雷达工作模式识别方法，其特征在于： 步骤1：对数据进行预处理，去除异常值和噪声； 步骤2：用编码器分别从源域和目标域侦收到的雷达脉冲描述字数据中提取潜在特征，利用源域数据的潜在特征和对应的标签在源域进行有监督训练； 步骤3：通过构建先验匹配正则化损失，将源域和目标域特征的先验分布均约束为标准正态分布；其中，所述先验匹配正则化损失Lprior由下式给出： 其中KL·||·表示两个分布之间的KL散度，0∈Rn×n是所有元素为零的向量；所提出的分布对齐框架总损失函数如下L： L＝α1Lprior+α2Ldd4 其中Ldd是显式分布对齐损失函数，α1和α2是控制两个损失函数之间权衡的参数； 步骤4：采用一种基于分布特征函数之间的距离作为度量，实现域分布对齐的显式计算； 包括：定义分布特征函数： 其中，是分布函数pz的特征函数，i表示虚数单位，是的转置，其中E·表示计算期望，计算式5时用的傅立叶变换进行： 且： 其中是频率，F·表示对函数进行傅里叶变换；将分布特征函数距离用于度量域差异，显示计算域分布对齐；采用l2范数计算分布特征函数距离，损失函数由下式给出： 其中，||·||2是复数的平方模，决定积分区域的大小； 然后使用小批量样本来估计分布特征函数距离： 其中对于zSk是zS的第k个元素，对于zTk也是如此；M是样本数； 当zS和zT的维度，即n较大时，定义切片分布特征函数距离： 其中投影参数θ是n中单位球体Sn-1上的均匀测度，使得根据经验，选取择与维度相同个数固定投影参数{θi|i＝1,…,n}，其中θi∈Rn是标准单位向量，其第i个元素为1； 此外，使用一阶统计信息即平均值，来约束分布对齐；用zS和zT期望值的欧氏距离定义平均损失Lmean，如下： 将切片分布特征函数距离与平均损失相结合，得到分布特征函数距离损失，即显式域差异损失Lexplicit： Lexplicit＝β1LSCF+β2Lmean10 其中，β1和β2是权衡参数； 步骤5将先验匹配正则化项和分布特征函数距离结合，对目标域的数据进行无监督训练。

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中国船舶集团有限公司第七二四研究所，其通讯地址为：210003 江苏省南京市鼓楼区中山北路346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。