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！

龙图腾网获悉南通理工学院申请的专利基于改进双向长短时记忆网络的海面微弱目标检测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：CN120178200B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510670161.X，技术领域涉及：G01S7/41；该发明授权基于改进双向长短时记忆网络的海面微弱目标检测方法是由行鸿彦;吴涵设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本基于改进双向长短时记忆网络的海面微弱目标检测方法在说明书摘要公布了：本发明公开了基于改进双向长短时记忆网络的海面微弱目标检测方法，涉及雷达信号处理技术领域，包括以下步骤：获取待检测信号，待检测信号包括海杂波信号与含目标回波信号，将待检测信号分为训练数据与测试数据，并对待检测信号进行混沌相空间重构；使用双向长短时记忆网络Bi‑LSTM算法对信号初始建模，得到LSTM模型；本发明将重构的相空间信号作为BiLSTM网络的输入，通过嵌入维度和延迟时间确定训练数据的长度，利用改进牛顿‑拉夫逊优化算法优化BiLSTM模型的参数，提高模型预测精度与运行速度，降低目标检测门限，结合BiLSTM模型进行单步预测，使用预测误差从强混沌背景噪声下检测微弱目标信号。

本发明授权基于改进双向长短时记忆网络的海面微弱目标检测方法在权利要求书中公布了：1.基于改进双向长短时记忆网络的海面微弱目标检测方法，其特征在于，包括以下步骤： S1：获取待检测信号，待检测信号包括海杂波信号与含目标回波信号，将待检测信号分为训练数据与测试数据，并对待检测信号进行混沌相空间重构； S2：使用双向长短时记忆网络Bi-LSTM算法对信号初始建模，得到LSTM模型； S3：使用改进牛顿-拉夫逊优化算法NRBO对初始模型进行优化； NRBO优化算法具体步骤如下： S31：设置初始参数：确定种群规模、设置最大迭代次数、定义决策因子； S32：初始化种群：随机生成初始种群的位置向量，作为初始解的集合； S33：评估适应度函数，计算种群每个个体的适应度值，记录最优个体与此优个体，选用RMSE作为适应度函数值； S34：应用NRSR规则近似求解，逐步确定效果最优的超参数列表：通过迭代优化过程，NRSR能够精确调整超参数，以减少模型预测误差并提高整体性能； S35：陷阱规避操作：在NRSR迭代过程中，使用TAO方法来检测并避免陷入局部最优解，当检测到局部最优时，TAO通过结合当前向量和最优向量的位置，探索更优解，从而有效跳出局部最优解的困境； S4：待检测信号进入NRBO-BiLSTM模型，输出预测信号，对预测信号进行反归一化，计算预测信号与实际信号的误差，绘制相对幅度差值曲线，当误差曲线出现峰值时能够判断存在微弱信号； 计算各个距离门的RMSE值，确定目标门的RMSE最小值与杂波门的RMSE最大值，其间隔即为检测阈值可选区间，可选区间越大表示微弱检测的效果越好，由于RMSE值较小，定义目标门RMSE的最小值与杂波门RMSE的最大值之比作为衡量指标，称为“RMSE最值比”，公式如下： 式中，表示RMSE最值比，表示目标门RMSE最小值，表示杂波门RMSE最大值；RMSE最值比能够量化目标与杂波之间的区分度，其值越大，表明微弱信号与海杂波的区分度越高，模型的容错能力和检测效果也越好。

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南通理工学院，其通讯地址为：226000 江苏省南通市崇川区永兴路211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”。