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！

龙图腾网获悉西安电子科技大学申请的专利基于RCS序列的舰船目标识别方法、装置及电子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：CN117591922B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202311243901.9，技术领域涉及：G06F18/241；该发明授权基于RCS序列的舰船目标识别方法、装置及电子设备是由全英汇;范含欣;吕勤哲;刘礼义;吴耀君;赵佳琪设计研发完成，并于2023-09-25向国家知识产权局提交的专利申请。

本基于RCS序列的舰船目标识别方法、装置及电子设备在说明书摘要公布了：本发明提供了一种基于RCS序列的舰船目标识别方法、装置及电子设备，通过雷达系统的发射装置发射信号，并通过接收装置接收反馈信号；获取预先训练完成的改进OS‑CNN模型；将反馈信号输入训练完成的改进OS‑CNN模型，得到返回反馈信号的对象类型。本发明将改进后的OS‑CNN网络用于雷达目标识别领域，分类识别率较高，具有实际推广价值与应用价值。通过引入偏移卷积、注意力机制和全尺度卷积的优势，改进OS‑CNN网络模型能够在保持轻量级和高效性的同时，有效地提取目标与干扰RCS序列数据的特征，实现准确的分类，对于提高低分辨率雷达智能目标识别分类能力具有重要现实意义。

本发明授权基于RCS序列的舰船目标识别方法、装置及电子设备在权利要求书中公布了：1.一种基于RCS序列的舰船目标识别方法，其特征在于，包括： S100，通过雷达系统的发射装置发射信号，并通过接收装置接收反馈信号； 其中，所述反馈信号包括真实舰船目标返回的回波信号和由角反射体造成的干扰信号； S200，获取预先训练完成的改进OS-CNN模型；所述改进OS-CNN模型采用两个分支通道，并通过在OS-CNN模型中添加通道注意力模块和特征融合模块实现； S300，将所述反馈信号输入所述训练完成的改进OS-CNN模型，以使所述改进OS-CNN模型输出返回反馈信号的对象类型； 所述预先训练完成的改进OS-CNN模型的训练过程包括： S210，预先构建舰船、角反射体及角反阵列模型的静态RCS数据库； S220，构建OS-CNN模型、通道注意力模块以及特征融合模块，并修改所述OS-CNN模型的网络结构，之后将所述通道注意力模块以及特征融合模块加入修改结构后的OS-CNN模型中得到改进OS-CNN模型； S230，利用所述静态RCS数据库训练所述改进OS-CNN模型得到训练完成的改进OS-CNN模型； S220中的改进OS-CNN模型包括： 两个分支通道、特征融合模块以及全连接层，第一个分支通道由通道注意力模块构成，第二个分支通道由多个自定义卷积层、多个通道注意力模块以及一个全局平均池化层构成，每个自定义卷积层后连接一个通道注意力模块，最后一个通道注意力模块连接至所述全局平均池化层；第一个分支通道输出的加权人工特征向量，第二个分支通道输出深度特征向量；两个分支通道的输出均输入至特征融合模块，由特征融合模块进行特征融合得到融合特征，之后经过全连接层输出识别分类结果； S230包括： S231，对静态RCS数据库分别训练集和测试集； S232，对所述训练集中的原始数据进行人工特征提取，之后输入至第一个分支通道以及将所述原始数据输入至第二个分支通道； S233，通过第一个分支通道的通道注意力模块将注意力权重应用至人工特征张量上得到加权人工特征向量以及通过第二个分支通道得到深度特征向量； S234，将所述人工特征张量和所述深度特征向量通过所述特征融合模块进行特征融合得到融合特征； S235，将融合特征通过全连接层映射为识别分类结果； S236，根据所述识别分类结果的损失函数调整所述改进OS-CNN模型的参数，并返回S232直至达到迭代次数得到训练完成的改进OS-CNN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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。