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！

龙图腾网获悉中国人民解放军空军工程大学申请的专利基于深度学习的米波雷达低仰角估计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：CN115236584B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202210651644.1，技术领域涉及：G01S3/14；该发明授权基于深度学习的米波雷达低仰角估计方法是由郑桂妹;宋玉伟;陈晨;徐彤设计研发完成，并于2022-06-10向国家知识产权局提交的专利申请。

本基于深度学习的米波雷达低仰角估计方法在说明书摘要公布了：本发明公开了一种基于深度学习的米波雷达低仰角估计方法，属于米波雷达技术领域，针对米波雷达在探测低空目标时存在严重的多径效应，直达波和反射波相当于距离较近的两个强相干点源，此时回波信号协方差矩阵存在噪声子空间与信号子空间相互渗透，导致基于子空间分解或信号拟合类的物理算法存在仰角估计精度差的问题，本发明中提出的米波雷达低仰角估计方法通过提取多径反射条件下信号和噪声子空间相互渗透的信号协方差矩阵实部、虚部及相位特征作为网络的输入特征，利用DNN和FCN构造一个深度学习网络用于米波雷达低仰角估计，利用DNN的非线性映射和泛化能力，提高米波雷达低仰角测高性能和实现较低的计算复杂度。

本发明授权基于深度学习的米波雷达低仰角估计方法在权利要求书中公布了：1.基于深度学习的米波雷达低仰角估计方法，其特征在于，包括以下步骤， S1：建立米波雷达系统的信号模型； S2：基于步骤S1中的米波雷达系统信号模型，构建用于米波雷达低空目标仰角估计的深度学习神经网络； S3：利用步骤S2中建立的深度学习神经网络对低仰角目标进行DOA估计； 其中，步骤S2的具体操作包括以下步骤， S201：基于步骤S1中的米波雷达系统信号模型，构建用于米波雷达低空目标仰角估计的深度学习神经网络主体结构； S202：以多径反射条件下信号和噪声子空间相互渗透的信号协方差矩阵数据的实部、虚部及相位特征形成的数据集Y为深度学习网络输入构建数据集； S203：设计卷积层和全连接层的运算方法，对深度学习网络的输入进行运算，使其输出结果为目标仰角，从而构建完整的深度学习神经网络； S204：对步骤S203中得到的深度学习神经网络进行训练和学习； 步骤S204的具体操作包括以下步骤， S2041：以信号矢量中非零元素的位置作为标签，记为Υ；网络的训练集表示为 Dtrain＝{Υ1Y1,Υ2，Y2,…，Υl，Yl}21 其中，Y表示训练样本容量网络输入； S2042：在空域角度范围中，把空间角度均匀划分，形成离散角度集合，角度间隔为0.1°； S2043：随机设置离散角度集合中的一个位置非零，作为直达波信号的入射角，根据式9得到阵列接收信号数据xmt，根据式10得到多快拍下阵列接收数据Xt，根据式11计算出信号协方差矩阵Rx并用式15进行降维，求取Rx实部、虚部及相位特征作为网络多通道输入Y； S2044：对应于中非零元素的位置，在Υ中将此位置的值设为1，得到标签γ，从而生成用于训练网络的数据样本和相对应的标签； S2045：将用于训练网络的数据样本和相对应的标签分成训练集和测试集，训练集数据Y经过深度学习网络得到网络输出此时中的较大值的位置代表着估计出的信号到达方向； S2046：网络训练过程中，用标签和网络输出的交叉熵作为损失函数， 式中，为深度学习网络的实际输出； S2047：使用反向传播算法最小化损失函数来训练网络参数，每次对神经网络进行前向传播后，对误差进行反向传播并更新网络权值，直到网络目标函数收敛，确定网络权值和参数； S2048：网络训练完成后，使用测试数据检验网络。

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人民解放军空军工程大学，其通讯地址为：710051 陕西省西安市灞桥区长乐东路甲字一号；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”。