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！

龙图腾网获悉北京航空航天大学申请的专利一种基于高斯相似度的雷达多径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：CN119511261B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311328219.X，技术领域涉及：G01S13/32；该发明授权一种基于高斯相似度的雷达多径目标识别方法是由魏少明;杜博瑞;刘世栋;苏隽石设计研发完成，并于2023-10-13向国家知识产权局提交的专利申请。

本一种基于高斯相似度的雷达多径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高斯相似度的雷达多径目标识别方法，属于雷达信号处理技术领域。首先对雷达接收信号进行预处理，获得所有探测目标的距离集合和角度集合。针对含有单侧反射物纵列的场景模型，分别计算理论多径距离和理论多径角度，然后使用基于极大似然的高斯相似度函数，计算理论多径距离与探测目标距离、理论多径角度与探测目标角度间的相似度，构成距离角度相似度矩阵。对四个相似度矩阵进行两次降维整合，最大化合并相似度矩阵涵盖的多径关系信息。对合并相似度矩阵使用优化处理算法求解最大和相似度问题，获得自适应的全局最优多径识别结果。本发明提升了多径目标识别准确率和实时性，提高了雷达探测系统的可靠性。

本发明授权一种基于高斯相似度的雷达多径目标识别方法在权利要求书中公布了：1.一种基于高斯相似度的雷达多径目标识别方法，其特征在于，具体步骤如下： 步骤一，构建雷达系统进行目标探测，采用FMCW-MIMO毫米波雷达系统，对雷达接收信号进行预处理，获得所有探测目标的距离集合和角度集合； 预处理的过程具体为： 步骤101，对FMCW-MIMO雷达获得的中频信号进行采样，并进行快慢时间分割，获得快时间-慢时间维度的雷达中频信号采样序列： 其中，为快时间索引，为慢时间索引，为中频信号幅度，为Chirp信号斜率，为目标相对雷达的径向距离，为目标的微动相位信号，为快时间间隔，为慢时间间隔，为中心频点的波长，为光速； 步骤102，对快时间-慢时间维度的雷达中频信号中的快时间维度进行快速傅里叶变换，获得距离像： 其中，为快时间采样点数，为距离像的索引； 步骤103，去除距离像中的静态杂波分量，得到的距离谱为： 其中，为慢时间采样点个数； 步骤104，设MIMO雷达具有个等效阵元，则每个等效阵元均对应一个距离谱，对构建自相关矩阵： 利用基于正反向自相关矩阵的Capon谱估计，得到距离-方位角二维谱； 正反向自相关矩阵为： 距离-方位角二维谱为： 其中，为正反向自相关矩阵，为的共轭矩阵，为置换矩阵，为方位角，为导向矢量，为中心频点的波长，为等效阵元的间距； 步骤105，距离-方位角二维谱中的反射峰分为弱反射峰和强反射峰，对弱反射峰使用恒虚警检测算法加以抑制，对各个强反射峰利用密度聚类算法归为不同的簇以判定目标个数，最终得到个探测目标，所有探测目标的距离集合为，角度集合为； 个探测目标的距离和方位角分别为，其中，探测目标的距离满足； 步骤二，针对含有单侧反射物纵列的场景模型，利用理论计算公式分别计算各探测目标的理论多径距离和理论多径角度，得到理论多径距离集合和理论多径角度集合； 含有单侧反射物纵列的场景中，每个探测目标生成三种类型的多径目标：一阶直达多径目标、一阶旁达多径目标和二阶多径目标，这三种类型的多径目标包括两种理论多径距离和两种理论多径角度；两种理论多径距离为一阶多径距离和二阶多径距离，两种理论多径角度为直达多径角和旁达多径角，具体计算为： 根据几何关系，计算出每个探测目标与雷达第个阵元间的一阶多径距离和二阶多径距离，即 其中，为每个探测目标的直角坐标，由极坐标进行坐标变换得到；为雷达第个阵元的横坐标；为反射面的横坐标；进而得到一阶多径距离集合和二阶多径距离集合； 同理计算每个探测目标的直达多径角和旁达多径角： 进一步得到直达多径角集合和旁达多径角集合； 步骤三，使用基于极大似然的一维高斯相似度函数，计算理论多径距离与探测目标距离、理论多径角度与探测目标角度间的相似度，构成距离角度相似度矩阵； 首先，构建与阵元相关的一阶多径距离相似度矩阵； 中的各元素为中的各元素对阵元的平均，即 为： 上式中的即为距离相似度函数；由于雷达对距离和角度的测量误差相互独立，且误差满足高斯分布，根据极大似然准则，距离相似度函数表示为： 其中，表示目标的理论多径参数，表示目标的参数量测值，表示与距离量测的均方根误差有关的参数，为距离量测的均方根误差，为均方根误差过小时的保护值，为在数值上统一距离和角度量纲的修正值； 同理，构建出二阶多径距离相似度矩阵、直达角度相似度矩阵、旁达角度相似度矩阵，各矩阵中的元素为： 其中，； 角度相似度函数为 其中，，参数含义与距离相似度函数相同； 步骤四，对四个相似度矩阵进行两次降维整合，使用主成分投影，最大化合并相似度矩阵所涵盖的多径关系信息； 合并相似度矩阵： 步骤五，对合并相似度矩阵使用优化处理算法求解最大和相似度问题，并与原相似度矩阵进行对比，获得自适应的全局最优多径识别结果； 对合并相似度矩阵的元素进行最大和相似度问题的求解，得到解集，其中，： 其中，为隔离阈值，用以排除独立目标； 根据优化求解的解集得到多径关系的识别结果，用向量表示；考虑到距离雷达最近的目标一定为本源目标，因此令，对则有 每个目标的多径关系识别结果包括三项，第一项为目标的序号，第二项表示多径目标的存在与否及归属关系，若第二项为0，则表示该目标为一本源目标；若第二项为另一个目标的序号，则表示该目标为此另一个目标的多径；第三项表示多径目标的类型： 至此，多径关系所包括的存在与否、归属关系和多径类别全部被识别出。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。