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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利多视图特征融合的动态开放空间无人机识别方法及装置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：CN120071202B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510530674.0，技术领域涉及：G06V20/17；该发明授权多视图特征融合的动态开放空间无人机识别方法及装置是由郭少颖;李亮设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本多视图特征融合的动态开放空间无人机识别方法及装置在说明书摘要公布了：本发明提出一种多视图特征融合的动态开放空间无人机识别方法及装置，涉及无人机识别技术领域，包括：针对获得的已知类无人机遥控信号，从多域角度对同一样本进行表征，生成时域、频域、时频域三种不同视图；设计三分支多视图深层特征提取及融合识别网络，分别提取三种不同视图的深层次特征信息，并将三分支多视图深层特征提取及融合识别网络输出特征融合；利用孪生网络框架，联合中心损失、对比损失和分类交叉熵损失对三分支多视图深层特征提取及融合识别网络进行优化训练；基于训练好的三分支多视图深层特征提取及融合识别网络，提出基于边界模型的开集识别算法，进行无人机判别。本发明从多域进行无人机信号特征表示，实现多层次的特征刻画。

本发明授权多视图特征融合的动态开放空间无人机识别方法及装置在权利要求书中公布了：1.一种多视图特征融合的动态开放空间无人机识别方法，其特征在于，包括： 步骤1、针对获得的已知类无人机遥控信号，从多域角度对同一样本进行表征，生成时域、频域、时频域三种不同视图； 步骤2、设计三分支多视图深层特征提取及融合识别网络，分别提取三种不同视图的深层次特征信息，并将三分支多视图深层特征提取及融合识别网络输出特征融合； 步骤3、利用孪生网络框架，联合中心损失、对比损失和分类交叉熵损失对三分支多视图深层特征提取及融合识别网络进行优化训练； 步骤4、基于训练好的三分支多视图深层特征提取及融合识别网络，提出基于边界模型的开集识别算法，实现未知无人机的准确判别； 步骤3中，孪生网络框架以三分支多视图深层特征提取及融合识别网络为核心网络，包括三分支多视图深层特征提取及融合网络结构和全连接分类层，三分支多视图深层特征提取及融合网络结构记为，全连接分类层记为，全连接分类层包括两个全连接层； 将所述三分支多视图深层特征提取及融合识别网络作为孪生网络的两个完全相同的核心网络，随机选取两个已知类无人机样本作为样本对，将样本对中的两个样本分别输入孪生网络的两个核心网络； 利用核心网络中输出的多视图融合特征计算中心损失，表达式如下： （3） 其中，为训练数据集样本的数量，为某一样本对应的核心网络中输出的多视图融合特征，代表第n个样本的类别标签，则为第类的特征中心； 利用样本对输出的融合特征计算对比损失，表达式如下： （4） 其中，表示第i个样本对中两个样本特征的距离，即： （5） 为训练数据集样本对的数量，表示第i个样本对中的两个样本，表示两个样本是否属于同一类别的标签，若属于同一类别，则值为1，若不属于同一类别则值为0，为设定的阈值； 利用全连接分类层和SoftMax函数的输出计算交叉熵损失，设第个样本的真实类别标签为，核心网络预测标签为，分类交叉熵损失函数表达式如下： （6） 其中，为已知类别数量，表示第n个样本属于第c类的概率，满足和； 联合三种损失函数对孪生网络中的核心网络进行优化训练，联合损失函数表示如式（7）所示； （7） 其中，均为权重因子； 开集识别算法包括： 步骤4.1、基于已知类无人机样本特征，拟合威布尔边界分布，建立威布尔边界模型； 步骤4.2、计算测试样本分类概率，基于威布尔边界模型修正已知类概率，并计算其属于未知类别概率； 步骤4.3、根据概率进行未知无人机判别与已知类无人机识别。

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中国科学院空天信息创新研究院，其通讯地址为：100190 北京市海淀区北四环西路19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”。