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！

龙图腾网获悉电子科技大学申请的专利一种基于可逆残差网络的抗雷达主瓣转发干扰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：CN116540189B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310667580.9，技术领域涉及：G01S7/36；该发明授权一种基于可逆残差网络的抗雷达主瓣转发干扰方法是由廖阔;何学思;潘启迪;卜志纯;陈思情设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本一种基于可逆残差网络的抗雷达主瓣转发干扰方法在说明书摘要公布了：本发明属于雷达抗干扰技术领域，具体涉及一种基于可逆残差网络的抗雷达主瓣转发干扰方法。本发明基于非负矩阵分解NMF算法和可逆残差神经网络，提出了一套适用于多目标多干扰环境下雷达主瓣转发干扰抑制深度学习框架Inv‑NMFnet。它可以利用雷达发射信号信息来对干扰信号进行分解，将目标信号信息与干扰信号信息表征在系数矩阵的不同位置上。然后利用可逆残差网络对系数矩阵进行分析，生成Mask掩码矩阵，对干扰信号分量和目标信号分量进行分离。由于可逆网络的信息传递无损性，本发明可以最大程度上保证目标信号强度不受到影响。这种方法不但不受雷达目标数量的影响，而且对于不同的雷达发射波形，也具有较好的适应能力。

本发明授权一种基于可逆残差网络的抗雷达主瓣转发干扰方法在权利要求书中公布了：1.一种基于可逆残差网络的抗雷达主瓣转发干扰方法，其特征在于，包括以下步骤： S1、以线性调频信号作为雷达发射信号，通过雷达主瓣转发干扰仿真获得干扰信号，进而获得添加了干扰的回波信号、发射信号、干扰信号标签和无干扰的信号标签： ， ， ， ， 其中，为信号长度； S2、对、和分别进行线性归一化处理，将信号强度映射到（0，1），利用的最大最小值对进行归一化，保证两者归一化比例一致，然后利用滑窗方式，对和中，每个M长的时间片信号进行切分，切片个数为N，然后在下一个维度拼接，组成对应的的二维矩阵和，； S3、将S设置为字典矩阵W，对矩阵X进行NMF分解，得到信号样本矩阵X对应的系数矩阵H，具体方法为： 随机初始化系数矩阵，保证； 更新H矩阵参数以及计算误差e： ， ， 如果误差e满足设定条件则输出系数矩阵H，否则继续迭代更新，直到达到最大迭代次数为止； S4、构建基于可逆残差网络的干扰抑制网络，干扰抑制网络包括三层结构相同的可逆残差网络层，网络的前向传播输入为NMF分解得到的归一化系数矩阵H，期望得到的输出是分离出的干扰信号掩码矩阵Mask；每层网络由一组对称的Unet网络组成，具体为：定义每层网络的两端输入为和，将系数矩阵H作为第一层网络的和输入，经过第一层网络中第一个Unet网络提取原始信号中的干扰信号信息，第一个Unet网络包括五个CNN层，其中第一层和第五层、第二层和第四层输入矩阵大小相同，它们之间使用了跳层连接进行交互，将上一层的输出与这层的输出在通道维度进行拼接，共同输入到下一层，具体为第一层的输入为，第二层的输入为第一层的输出，第三层的输入为第二层的输入，第四层的输入为第二层和第三层的输出，第五层的输入为第一层和第四层的输入；第五层的输出与结合后得到初步滤除干扰的目标回波信息，经过第一层网络中第二个Unet网络提取更为纯净的目标回波信息，第二个Unet网络包括五个CNN层，与第一个Unet网络相同，第二个Unet网络的第五层的输出与结合得到输出；第一层网络的输出和分别作为下一层网络的输入和，最后一层网络的输出经过Sigmoid函数，得到干扰信号的掩码矩阵Mask； 将输出的干扰矩阵Mask和系数矩阵H点乘得到干扰信号的系数矩阵，再将干扰信号的系数矩阵与字典矩阵W相乘就得到干扰信号J； 从 减去干扰信号J，初步恢复出无干扰的目标信号，再将初步恢复出无干扰的目标信号经过卷积神经网络得到最终的无干扰目标信号y； S5、对构建的干扰抑制网络进行训练，采用的损失函数包括： 干扰信号的L1误差损失： ， 其中，表示利用掩码矩阵恢复出的干扰信号，为干扰信号长度； 目标信号的L1误差损失： ， 其中，表示模型最终输出的无干扰目标信号，为目标信号长度； 希尔伯特变换损失： ， 其中，为希尔伯特变换函数； 当网络loss收敛时，得到最后的深度网络模型； S6、利用得到的深度网络模型对雷达接收信号进行处理，实现抗雷达主瓣转发干扰。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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”。