Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学陈文超获国家专利权

西安电子科技大学陈文超获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利一种多模态层次化混合融合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:CN120028767B

龙图腾网通过国家知识产权局官网在2025-12-26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:202510156229.2,技术领域涉及:G01S7/41;该发明授权一种多模态层次化混合融合雷达目标识别方法是由陈文超;王奥;陈渤;李雨鑫;王鹏辉;刘宏伟设计研发完成,并于2025-02-12向国家知识产权局提交的专利申请。

一种多模态层次化混合融合雷达目标识别方法在说明书摘要公布了:本发明公开了一种多模态层次化混合融合雷达目标识别方法,包括:构建包括多个类别目标的多模态数据集,包括航迹信息、HRRP回波信号以及JEM调制谱;构建包括航迹特征提取网络、HRRP特征提取网络以及JEM特征提取网络的特征提取模块;以航迹信息为纽带,应用多模态联合学习进行层次化特征对齐,以对特征提取模块进行训练;构建包括特征层次化融合增强网络、无键值注意力网络、聚合特征分类网络、单模态分类网络以及混合融合网络的特征融合模块;对特征融合模块进行训练,以与特征提取模块一起形成多模态层次化混合融合雷达目标识别模型,从而实现多模态雷达目标识别。该方法提高了识别的准确性和鲁棒性,具有更好的泛化性能和稳定性。

本发明授权一种多模态层次化混合融合雷达目标识别方法在权利要求书中公布了:1.一种多模态层次化混合融合雷达目标识别方法,其特征在于,包括: 构建包括多个类别目标的多模态数据集;所述多模态数据集包括航迹信息、HRRP回波信号以及JEM调制谱; 构建包括航迹特征提取网络、HRRP特征提取网络以及JEM特征提取网络的特征提取模块;其中,所述航迹特征提取网络、所述HRRP特征提取网络、所述JEM特征提取网络分别用于对所述航迹信息、所述HRRP回波信号、所述JEM调制谱进行分层特征提取,对应得到各模态的层次化特征; 基于所述多模态数据集,以所述航迹信息为纽带,应用多模态联合学习进行层次化特征对齐,以对所述特征提取模块进行训练,得到训练好的特征提取模块; 利用所述训练好的特征提取模块处理所述多模态数据集,得到对齐的各模态的层次化特征; 构建包括特征层次化融合增强网络、无键值注意力网络、聚合特征分类网络、单模态分类网络以及混合融合网络的特征融合模块;其中,所述特征层次化融合增强网络用于对所述对齐的各模态的层次化特征进行融合处理,得到融合增强特征;所述无键值注意力网络用于对所述融合增强特征进行聚合处理,得到聚合特征;所述聚合特征分类网络用于对所述聚合特征进行分类,得到第一分类结果;所述单模态分类网络用于对所述对齐的各模态的层次化特征单独进行处理,对应得到各模态的第二分类结果;所述混合融合网络用于对所述第一分类结果和所述第二分类结果进行加权融合,得到识别结果; 利用所述对齐的各模态的层次化特征对所述特征融合模块进行训练,得到训练好的特征融合模块,以与所述训练好的特征提取模块一起形成多模态层次化混合融合雷达目标识别模型,从而实现多模态雷达目标识别。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。