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！

龙图腾网获悉北京理工大学申请的专利极窄脉冲雷达目标姿态不敏感特征提取与跨姿态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：CN116578912B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310059993.9，技术领域涉及：G06F18/241；该发明授权极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别方法是由张亮;王彦华;马云驰;李阳;胡雪瑶设计研发完成，并于2023-01-19向国家知识产权局提交的专利申请。

本极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别方法在说明书摘要公布了：本发明公开了一种极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别方法，该方法首先基于深度网络自动提取目标的类别特征和姿态特征；然后依次将所得特征输入进分类与解耦两个模块，分类模块用于约束上述两类特征各自对应语义的正确性；解耦模块用于约束上述两类特征语义互不相关，且在去相关过程中不发生信息损失；最后，基于类别特征完成目标识别，本发明方法能够对于训练集中未出现过姿态下的极窄脉冲回波样本，具有良好的识别性能。

本发明授权极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别方法在权利要求书中公布了：1.极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别方法，其特征在于，包括以下步骤： 步骤1，构建极窄脉冲回波数据集，并对数据进行预处理；所述数据集包含全姿态学习集和跨姿态识别场景下的训练集和测试集，全姿态学习集通过计算机电磁仿真或雷达转台实测构建，用于监督识别算法学习并具备特征提取及解耦能力；跨姿态识别场景下的训练集和测试集用于测试验证； 步骤2，构建特征提取模块，所述特征提取模块包含深度特征提取网络及交叉分解两部分，用于提取目标的类别特征和姿态特征； 步骤3，构建分类模块以及分类损失函数，所述分类模块具体包含类别分类器和姿态分类器，分类损失函数包含类别分类损失和姿态分类损失两个部分，用于约束类别特征、姿态特征各自对应语义的正确性； 步骤4，构建解耦模块和解耦损失函数，所述解耦模块包含特征去相关及重构自监督两部分，解耦损失函数包含去相关损失和重构损失两部分；用于约束类别特征和姿态特征语义互不相关，使类别特征成为姿态不敏感特征，且在去相关过程中不发生信息损失；自此完成多模块极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别网络模型的构建； 步骤5，利用全姿态学习集和训练集对所述多模块极窄脉冲雷达目标姿态不敏感特征提取与跨姿态识别网络模型进行训练及参数更新；具体采用交叉迭代的训练方式以及梯度下降优化算法； 步骤6，将测试集通过训练完成的网络模型进行类别判定，完成跨姿态识别场景下极窄脉冲雷达回波目标的识别。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。