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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利针对间歇采样转发干扰的鲁棒目标识别方法、系统与设备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：CN121596214B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610128503.X，技术领域涉及：G01S7/36；该发明授权针对间歇采样转发干扰的鲁棒目标识别方法、系统与设备是由高勋章;刘梅;邱祥风;赵云飞;周晓琳;周裕杰设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本针对间歇采样转发干扰的鲁棒目标识别方法、系统与设备在说明书摘要公布了：针对间歇采样转发干扰条件下的鲁棒HRRP序列目标识别问题，本发明提供一种针对间歇采样转发干扰的鲁棒目标识别方法、系统与设备，通过构建抗干扰目标识别网络模型，并利用不同目标的间歇采样转发干扰条件下的高分辨一维距离像数据对模型进行训练，先从受扰信号中提取出具备结构化特性的稀疏特征，继而通过掩码估计器在特征空间中对目标与干扰成分进行解耦与融合，生成抑制干扰、增强目标特征的软阈值掩码，最终经重构模块恢复出纯净的目标信号并由贝叶斯识别网络完成识别。本发明实现了对间歇采样转发干扰的鲁棒性滤波与目标特征的增强提取，从而显著提升了复杂干扰环境下雷达高分辨一维距离像目标识别的准确性与可靠性。

本发明授权针对间歇采样转发干扰的鲁棒目标识别方法、系统与设备在权利要求书中公布了：1.针对间歇采样转发干扰的鲁棒目标识别方法，其特征在于，包括以下步骤： 获取不同目标的间歇采样转发干扰条件下的高分辨一维距离像数据，作为训练样本； 基于预先构建的抗干扰目标识别网络模型，对间歇采样转发干扰条件下的高分辨一维距离像数据进行结构化稀疏特征提取，输出包含目标信息及干扰主瓣信息的结构化稀疏特征；对结构化稀疏特征进行多维度特征感知，实现目标特征和干扰特征在特征空间中的解耦，将解耦后的特征沿多普勒维拉伸后进行特征融合，生成抑制干扰、增强目标特征的软阈值掩码；根据软阈值掩码对稀疏特征进行加权和映射，输出滤除干扰后的重构信号，基于重构信号实现目标识别； 基于预设的目标识别损失函数和信号重构损失函数，构建联合损失函数，利用联合损失函数优化抗干扰目标识别网络模型参数，以完成抗干扰目标识别网络模型的训练； 利用训练后的抗干扰目标识别网络模型执行间歇采样转发干扰条件下的高分辨一维距离像数据的目标识别操作； 其中，所述抗干扰目标识别网络模型包括间歇采样转发干扰滤波器和贝叶斯识别网络，所述间歇采样转发干扰滤波器包括稀疏编码网络、掩码估计器和重构模块； 稀疏编码网络对间歇采样转发干扰条件下的高分辨一维距离像数据进行结构化稀疏特征提取，输出包含目标信息及干扰主瓣信息的结构化稀疏特征，所述稀疏编码网络执行以下操作： 通过慢时间维傅里叶变换将输入的间歇采样转发干扰条件下的高分辨一维距离像数据转化为距离-多普勒图； 通过一个基于迭代收缩阈值算法展开的层卷积编码网络对距离-多普勒图进行结构化稀疏分解，以提取结构化稀疏特征，其中每层卷积编码网络执行一次参数化的迭代收缩阈值操作，以逐步优化稀疏特征； 掩码估计器对结构化稀疏特征进行多维度特征感知，实现目标特征和干扰特征在特征空间中的解耦，将解耦后的特征沿多普勒维拉伸后进行特征融合，生成抑制干扰、增强目标特征的软阈值掩码，掩码估计器包括基于CNN的距离-多普勒特征感知模块和基于LSTM的特征融合模块；基于CNN的距离-多普勒特征感知模块用于对稀疏编码网络输出的结构化稀疏特征进行多维度特征感知，包括并行设置的多个子网络，分别使用不同尺寸的卷积核进行特征提取，实现目标特征和干扰特征在特征空间中的解耦；将基于CNN的距离-多普勒特征感知模块提取的特征沿多普勒维拉伸后，通过基于LSTM的特征融合模块进行特征融合，生成抑制干扰、增强目标特征的软阈值掩码，软阈值掩码与稀疏编码网络输出的结构化稀疏特征具有相同的空间维度； 重构模块根据软阈值掩码对稀疏特征进行加权和映射，输出滤除干扰后的重构信号； 贝叶斯识别网络对重构信号进行分类，实现目标识别。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。