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！

龙图腾网获悉桂林电子科技大学申请的专利基于残差网络多视图特征融合的无人机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：CN116776276B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310485617.6，技术领域涉及：G06F18/25；该发明授权基于残差网络多视图特征融合的无人机检测方法是由谢跃雷;王胜;梁文斌;曾浩南;谢星丽;邓景宇;郝婉瑞;李天佳设计研发完成，并于2023-04-29向国家知识产权局提交的专利申请。

本基于残差网络多视图特征融合的无人机检测方法在说明书摘要公布了：本发明公开了一种基于残差网络多视图特征融合的无人机检测方法，包括：构建多视图数据：获得实测信号的时域图、短时傅里叶变换图、连续小波变换图和魏格纳‑威尔分布图；构建ResNet34，包括输入结构、中间结构和输出结构，输入结构通过卷积和最大池化的操作对输入数据进行处理；中间结构由四个相似的结构层构成，每个结构层由多个残差块构成，每个残差块包含三层卷积和一条捷径连接，从第二个结构层开始，每个结构层的起始残差块还包含升维的采样结构；构建基于残差网络的多视图特征融合网络模型，在输出端输出经多视图特征融合后的无人机检测精度。本发明通过将信号的多视图数据进行特征融合，从而提高了无人机的检测效率。

本发明授权基于残差网络多视图特征融合的无人机检测方法在权利要求书中公布了：1.一种基于残差网络多视图特征融合的无人机检测方法，其特征在于，包括如下步骤： 步骤1，构建多视图数据： 获得实测信号的时域图、短时傅里叶变换图、连续小波变换图和魏格纳-威尔分布图； 步骤2，构建残差神经网络模型： 构建ResNet34，ResNet34由输入结构、中间结构和输出结构三部分组成，其中，输入结构通过卷积和最大池化的操作对输入数据进行处理；中间结构由四个相似的结构层构成，每个结构层由多个残差块构成，每个残差块包含三层卷积和一条捷径连接，此外，从第二个结构层开始，每个结构层的起始残差块还包含升维的采样结构； 步骤3，构建基于残差网络的多视图特征融合网络模型： 步骤3-1，将步骤1构建的多视图数据分别输入步骤2构建的ResNet34，在网络的输入端，设置每个视图为RGB三通道进行输入，视图长和宽均设置为64，即每个视图的输入维度3×64×64；然后通过训练深度神经网络分别对时域图、STFT图、CWT图、WVD图进行特征提取，并提取维度为1×512的网络末端特征向量； 步骤3-2，将提取的维度为1×512的网络末端特征向量以堆叠方式进行特征融合，并将融合后维度为4×512的特征输入全连接层网络再次进行训练，其中，全连接层结构由一层全连接层和一层激活函数层串联组成； 步骤3-3，进行模型保存与测试，并最终在输出端输出经多视图特征融合后的无人机检测精度。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。