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！

龙图腾网获悉中国计量大学申请的专利基于时频图像特征融合的雷达信号识别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：CN114818770B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202210194049.X，技术领域涉及：G06F18/2411；该发明授权基于时频图像特征融合的雷达信号识别是由李世通;全大英;金小萍设计研发完成，并于2022-03-01向国家知识产权局提交的专利申请。

本基于时频图像特征融合的雷达信号识别在说明书摘要公布了：本发明公开了一种基于时频图像特征融合的雷达信号识别方法，主要解决现有技术中在低信噪比环境下雷达信号识别率低的问题。本发明实现的步骤如下：1对雷达信号做时频变换得到时频图像；2时频图像预处理；3图像的纹理特征和形状特征提取；4采用支持向量机对雷达信号进行识别。本发明基于Choi‑Williams时频图像和模糊函数等高线图提取雷达信号的纹理特征和形状特征，并将两者融合构成一种新的雷达信号识别特征值，解决了在低信噪比下雷达信号识别率较低的问题。

本发明授权基于时频图像特征融合的雷达信号识别在权利要求书中公布了：1.基于时频图像特征融合的雷达信号识别方法，其特征在于，包括如下步骤： 1对接收到的信号利用Choi-Williams时频变换得到信号的CWD时频图像及利用模糊函数做出信号的三维图，然后求取对应的模糊函数等高线图； 2对步骤1得到的CWD时频图像及模糊函数等高线图像预处理，包括： 2-1灰度化得到灰度图； 2-2对灰度图进行滤波得到滤波图； 2-3对滤波图进行双三次差值缩放到设定尺度； 3提取信号的特征值，包括： 利用灰度梯度共生矩阵提取CWD时频图像和模糊函数等高线图的纹理特征；利用伪Zernike矩提取CWD时频图像和模糊函数等高线图的形状特征； 4融合图像纹理特征和形状特征； 5使用SVM进行识别处理： 5-1对应的特征向量添加标签； 5-2采用网格参数寻优法确定SVM的惩罚因子C和核函数参数g的值； 5-3对接收到的信号进行识别，输出结果； 步骤3的灰度梯度共生矩阵GLGCM具体为：记灰度图像为fM,N，M和N分别为灰度图像对应的二维矩阵的行数和列数；通过以下步骤计算对应的GLGCM： 1计算fM,N的归一化梯度矩阵，采用3*3窗口的Sobel算子提取fM,N的梯度矩阵gM,N，其中第k,l个像素点的梯度值计算公式为： gx＝fk+1,l-1+2fk+1,l+fk+1,l+1-fk-1,l-1 -2fk-1,l-fk-1,l+1 gy＝fk-1,l+1+2fk,l+1+fk+1,l+1-fk-1,l+1 -2fk,l-1-fk+1,l-1 其中k＝1,2…,M；l＝1,2…,N；归一化的梯度矩阵利用公式其中INT为取整运算；gmax是gM,N中最大的梯度值；Ng是将梯度归一化后期望的最大值； 2计算fM,N的归一化灰度矩阵；公式为其中fmax是fM,N中的最大灰度值；Nf是将灰度值归一化后期望的最大值； 3灰度梯度共生矩阵的元素值Hi,j，即统计归一化灰度矩阵和梯度矩阵中同时使Fk,l＝ii∈[1,Nf]和Gk,l＝jj∈[1,Ng]的像素点数，利用下式得到归一化后的GLGCM： 步骤3中的伪Zernike矩是一种正交复数矩，阶数为p，重复度为q的伪Zernike矩的定义为： x2+y2＝1 式中，p为正整数或零，q为整数，且|q|≤p，fx,y为图像函数；其中，在极坐标中表示为 取 步骤4中，联合图像的形状特征和纹理特征，组成特征向量： [TCWD,TAFCL,ZCWD,ZAFCL]。

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中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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。