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！

龙图腾网获悉电子科技大学申请的专利一种基于自适应密度峰值聚类的双模式雷达信号分选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：CN118444276B 。

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：202410574407.9，技术领域涉及：G01S7/41；该发明授权一种基于自适应密度峰值聚类的双模式雷达信号分选方法是由霍伟博;黄钰林;杨艾炯;徐庚辰;张玉婕;张寅;裴季方;杨建宇;杨海光设计研发完成，并于2024-05-10向国家知识产权局提交的专利申请。

本一种基于自适应密度峰值聚类的双模式雷达信号分选方法在说明书摘要公布了：本发明公开了一种基于自适应密度峰值聚类的双模式雷达信号分选方法，包括如下步骤：S1、数据初始化：利用雷达信号的载频、脉冲宽度、到达角三维信息作为特征向量，进行归一化处理并按照时长切分为一系列等长的时间帧；S2、建立自适应密度峰值聚类分选模式；S3、建立高斯混合模型聚类分选模式；S4、建立双模式的切换策略：第1帧数据采用ADPC模式，第2帧数据采用GMM模式；对第3帧及之后的数据，基于模式选择策略决定本时间帧的输入数据使用哪一种分选模式。本发明的双模式分选兼顾到了电磁环境中存在的辐射源参数缓变与突变，能有效提高辐射源参数缓变场景下的分选时效性，并且面对分选场景的辐射源参数突变仍能实现高准确率分选。

本发明授权一种基于自适应密度峰值聚类的双模式雷达信号分选方法在权利要求书中公布了：1.一种基于自适应密度峰值聚类的双模式雷达信号分选方法，其特征在于，包括如下步骤： S1、数据初始化：利用雷达信号的载频、脉冲宽度、到达角三维信息作为聚类分选的特征向量，将特征向量进行归一化处理，然后按照时长切分为一系列等长的时间帧，记为Xk； S2、建立自适应密度峰值聚类分选模式，包括如下步骤： S2-1、按照如下公式确定聚类质心： 其中是pi局部密度，di是截断距离，rij是特征向量xi到特征向量xj的距离，rc是截断距离； 结合特征向量集合pi、di的分布，计算特定密度pi条件下，距离的概率密度pypi,y： 其中y是随机变量，N是样本点数，σp是集合pi全部元素的标准差，σd是集合di全部元素的标准差，α、β取经验值0.5； 利用上一步的概率密度计算条件期望值μypi、方差阈值THdpi： THdpi＝μypi+3×σypi6 以公式6所示阈值开展离群点检测，将密度pi条件下，di值超过公式所示阈值的样本点记为离群点，将离群点作为聚类质心； S2-2、将剩余样本点归类到最近类别，完成对当前数据帧的分选； S2-3、基于检测获得的类中心，生成当前时间帧的先验信息，具体的做法是提取类别数目Ck、各类别的均值μm、协方差类别占比nm，其中m＝1～Ck，组成当前时间帧的先验知识S； S3、建立高斯混合模型聚类分选模式，具体方法为：利用先验知识S初始化高斯混合模型，初始化的高斯混合模型用有限个高斯分布近似Xk的分布： 其中，Ck＝Ck-1，Pm是数据中每个类别的先验概率并且满足初始化令Pm＝nm； 高斯混合模型基于最大似然估计，采用EM迭代算法，当参数或对数似然函数收敛时停止迭代，完成对当前帧参数Pm、μm、的估计；使用GMM对当前数据帧Xk聚类并计算nm，最后更新先验知识S； S4、建立双模式的切换策略：第1帧数据默认采用ADPC模式，第2帧数据默认采用GMM模式；对第3帧及之后的数据，基于模式选择策略决定本时间帧的输入数据使用哪一种分选模式，具体方法为：当相邻时间帧分选特征向量数据量的差异或者评价指标聚类系数Calinski-Harabasz-Index的差异大于预设值的情况下将下一帧切换为自适应密度峰值聚类分选模式，否则继续使用高斯混合模型聚类分选模式。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。