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递归设计的轻量级小样本雷达目标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：CN115331038B 。

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：202210959515.9，技术领域涉及：G06V10/762；该发明授权一种基于递归设计的轻量级小样本雷达目标识别方法是由黄钰林;裴季方;王陈炜;刘小钰;杨建宇;张寅;杨海光;张永超设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种基于递归设计的轻量级小样本雷达目标识别方法在说明书摘要公布了：本发明公开了一种基于递归设计的轻量级小样本雷达目标识别方法，首先在训练阶段，将少量带标签样本输入到网络中，其特征图通过由深度可分离卷积和协调注意力机制组成的轻量级多级交叉融合CNN，利用聚类间距离的损失构建特征嵌入空间和训练特征嵌入网络，再利用LM‑SoftMax提升分类器和训练最后几个卷积层，最后通过聚类间距离的损失和LM‑SoftMax的损失组合交替双损失更新网络，进一步优化网络，从而实现目标识别。本发明的方法可以有效利用双损失交替优化的方式，学习鉴别类别间与类别内的有效特征，在小样本背景下实现雷达目标精确识别，与其他小样本目标识别方法相比，可以有效地提高小样本情况下的网络识别精度和鲁棒性。

本发明授权一种基于递归设计的轻量级小样本雷达目标识别方法在权利要求书中公布了：1.一种基于递归设计的轻量级小样本雷达目标识别方法，具体步骤如下： 步骤一、在训练阶段，少量带标签样本输入到网络中，其特征图通过由深度可分离卷积和协调注意力机制组成的轻量级多级交叉融合CNN； 步骤二、利用聚类间距离的损失构建特征嵌入空间和训练特征嵌入网络； 步骤三、利用LM-SoftMax提升分类器和训练最后几个卷积层； 所述步骤三中： 设一个有N个样本和K个类别的分类识别任务，假设在输入标准SoftMax前网络的输出向量为fi为向量的第i个元素，输入网络的样本为xi，那么将样本xi预测为类别yi的概率表示为： 其中，k∈[1,K]为样本标签，标准SoftMax的损失函数可由式2计算： 当样本xi的类别预测正确时，对于k∈[1,K]，式2的意义可由式3表示： 其中，指输入样本xi的中间嵌入，和Wk指多层卷积的权重向量，上标T为矩阵转置； LM-SoftMax需要其中，指和x之间的角度，θk为Wk与x之间的角度，m是预先设定的一个正整数； LM-SoftMax需要严格的不等式约束，如式4所示： 其中，ψθ＝-1qcosmθ-2q，且θ∈[qπm,q+1πm]，q是范围在[0,m-1]的正整数，LM-SoftMax可由式5计算： 其中，yk指预测标签为第k类； LM-SoftMax的损失函数可由式6表示： 步骤四、通过聚类间距离的损失和LM-SoftMax的损失组合交替双损失更新网络，进一步优化网络，从而实现目标识别。

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 四川省成都市高新区（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”。