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！

龙图腾网获悉中国电子科技集团公司第三十八研究所;西安电子科技大学申请的专利基于信号结构约束的回波增强及低信噪比稳健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：CN121721592B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610216415.5，技术领域涉及：G01S7/41；该发明授权基于信号结构约束的回波增强及低信噪比稳健识别方法是由刘宏伟;田西兰;王鹏辉;郭帅;陈渤;陈文超;邵帅;张昊设计研发完成，并于2026-02-14向国家知识产权局提交的专利申请。

本基于信号结构约束的回波增强及低信噪比稳健识别方法在说明书摘要公布了：本发明公开了基于信号结构约束的回波增强及低信噪比稳健识别方法，包括：获取待识别目标的雷达多模态回波数据；对雷达多模态回波数据进行预处理，得到第一雷达多模态回波数据；将第一雷达多模态回波数据，输入至经训练的自适应小波去噪识别一体化模型，得到所述雷达多模态回波数据对应的目标识别结果；其中，所述自适应小波去噪识别一体化模型用于对输入的第一雷达多模态回波数据进行信号结构分解与去噪以增强回波，并对增强后的回波特征进行融合与分类。本申请的方法解决了低信噪比下雷达回波特征失真与识别性能下降的问题，实现了噪声抑制与目标识别的协同优化，提升了复杂电磁环境下雷达目标识别的准确率与鲁棒性。

本发明授权基于信号结构约束的回波增强及低信噪比稳健识别方法在权利要求书中公布了：1.基于信号结构约束的回波增强及低信噪比稳健识别方法，其特征在于，包括： 获取待识别目标的雷达多模态回波数据； 对雷达多模态回波数据进行预处理，得到第一雷达多模态回波数据； 将第一雷达多模态回波数据，输入至经训练的自适应小波去噪识别一体化模型，得到所述雷达多模态回波数据对应的目标识别结果； 其中，所述自适应小波去噪识别一体化模型用于对输入的第一雷达多模态回波数据进行信号结构分解与去噪以增强回波，并对增强后的回波特征进行融合与分类，所述自适应小波去噪识别一体化模型包括依次连接的自适应小波去噪模块、特征融合模块及分类模块； 所述自适应小波去噪模块，用于接收第一雷达多模态回波数据，对第一雷达多模态回波数据进行信号结构分解与自适应阈值去噪处理，并输出对应的去噪后的宽带特征向量与去噪后的窄带特征向量；所述特征融合模块，其输入端与自适应小波去噪模块的输出端连接，用于接收去噪后的宽带特征向量与去噪后的窄带特征向量，通过注意力机制对两类特征向量进行加权融合，生成融合后的多模态特征向量；所述分类模块，其输入端与特征融合模块的输出端连接，用于接收融合后的多模态特征向量，对融合后的多模态特征向量进行全连接层映射与分类决策，并输出最终的目标类别识别结果； 所述自适应小波去噪模块包括级联的多个时频编码模块、与各时频编码模块对应连接的跳跃连接层、以及与各跳跃连接层连接的解码模块；所述时频编码模块包括顺序连接的一维卷积块和自适应离散小波变换层；所述解码模块包括顺序连接的上采样层、特征拼接层和一维卷积块；所述跳跃连接层至少包括一个一维卷积块；所述一维卷积块包括多个顺序连接的一维卷积层和LeakyReLU激活层； 所述自适应离散小波变换层的处理过程包括： 获取与预设小波类型对应的低通滤波器和高通滤波器； 利用所述低通滤波器对输入特征进行滤波，得到低频分量； 利用所述高通滤波器对所述输入特征进行滤波，得到高频分量； 采用自适应阈值滤波算法对所述高频分量进行滤波处理，得到滤波后的高频分量； 将所述低频分量与所述滤波后的高频分量相加，得到所述自适应离散小波变换层的输出特征； 所述自适应小波去噪识别一体化模型的训练过程包括： 获取包含雷达一维高分辨距离像样本及窄带调制谱回波样本的原始训练数据集； 对所述原始训练数据集中的样本添加高斯噪声，构造带噪声的训练数据集； 对所述训练数据集中的样本进行标注，获取其真实类别标签； 使用所述训练数据集对包含自适应小波去噪模块、特征融合模块及分类模块的初始自适应小波去噪识别一体化模型进行迭代训练，通过联合优化重构损失与分类损失使模型收敛，获得所述经训练的自适应小波去噪识别一体化模型。

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电子科技集团公司第三十八研究所;西安电子科技大学，其通讯地址为：230000 安徽省合肥市高新技术开发区香樟大道199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。