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！

龙图腾网恭喜中山大学申请的专利一种基于深度学习的阵列稳健自适应波束形成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：CN115372925B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210957643.X，技术领域涉及：G01S7/41；该发明授权一种基于深度学习的阵列稳健自适应波束形成方法是由段克清;廖志鹏;何锦浚设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种基于深度学习的阵列稳健自适应波束形成方法在说明书摘要公布了：本发明公开了一种基于深度学习的阵列稳健自适应波束形成方法，包括如下：基于雷达系统参数，并考虑非理想因素，构建阵元级雷达回波模型，仿真生成小快拍下的估计回波协方差矩阵集；基于卷积神经网络构建二级级联网络模型；采用分级预训练和级联全网络微调的策略对二级级联网络模型进行训练；将雷达实际回波协方差矩阵集进行模数转换后，将其少量样本数据估计回波协方差矩阵输入训练好的二级级联网络模型进行处理，得到自适应权矢量；根据所得到的自适应权矢量对待检测距离门数据进行处理，实现对干扰的有效抑制；对抑制干扰和目标积累后的结果进行恒虚警处理，完成对运动目标的检测。

本发明授权一种基于深度学习的阵列稳健自适应波束形成方法在权利要求书中公布了：1.一种基于深度学习的阵列稳健自适应波束形成方法，其特征在于：所述的方法包括步骤如下：S1：基于雷达系统参数，并考虑非理想因素，构建阵元级雷达回波模型，仿真生成小快拍下的估计回波协方差矩阵集；S2：基于卷积神经网络构建二级级联网络模型；将小快拍下的估计回波协方差矩阵集作为第一级网络的输入，并将第一级网络输出的确知回波协方差矩阵作为第一级网络的输出标签数据集；同时将确知回波协方差矩阵作为第二级网络的输入，并将确知回波协方差矩阵对应最小方差无失真权系数作为第二级网络的输出标签数据集；其中第一级网络用于完成估计回波协方差矩阵集的估计，第二级网络实现估计回波协方差矩阵的求逆和与目标导向矢量的乘积运算过程，得到自适应权矢量；S3：采用分级预训练和级联全网络微调的策略对二级级联网络模型进行训练；S4：将雷达实际回波协方差矩阵集进行模数转换后，将其少量样本数据估计回波协方差矩阵输入训练好的二级级联网络模型进行处理，得到自适应权矢量；S5：根据所得到的自适应权矢量对待检测距离门数据进行处理，实现对干扰的有效抑制；S6：对抑制干扰和目标积累后的结果进行恒虚警处理，完成对运动目标的检测。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。