買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中山大學申請的專利一種基于深度學習的陣列穩健自適應波束形成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115372925B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210957643.X，技術領域涉及：G01S7/41；該發明授權一種基于深度學習的陣列穩健自適應波束形成方法是由段克清;廖志鵬;何錦浚設計研發完成，并于2022-08-10向國家知識產權局提交的專利申請。

本一種基于深度學習的陣列穩健自適應波束形成方法在說明書摘要公布了：本發明公開了一種基于深度學習的陣列穩健自適應波束形成方法，包括如下：基于雷達系統參數，并考慮非理想因素，構建陣元級雷達回波模型，仿真生成小快拍下的估計回波協方差矩陣集；基于卷積神經網絡構建二級級聯網絡模型；采用分級預訓練和級聯全網絡微調的策略對二級級聯網絡模型進行訓練；將雷達實際回波協方差矩陣集進行模數轉換后，將其少量樣本數據估計回波協方差矩陣輸入訓練好的二級級聯網絡模型進行處理，得到自適應權矢量；根據所得到的自適應權矢量對待檢測距離門數據進行處理，實現對干擾的有效抑制；對抑制干擾和目標積累后的結果進行恒虛警處理，完成對運動目標的檢測。

本發明授權一種基于深度學習的陣列穩健自適應波束形成方法在權利要求書中公布了：1.一種基于深度學習的陣列穩健自適應波束形成方法，其特征在于：所述的方法包括步驟如下：S1：基于雷達系統參數，并考慮非理想因素，構建陣元級雷達回波模型，仿真生成小快拍下的估計回波協方差矩陣集；S2：基于卷積神經網絡構建二級級聯網絡模型；將小快拍下的估計回波協方差矩陣集作為第一級網絡的輸入，并將第一級網絡輸出的確知回波協方差矩陣作為第一級網絡的輸出標簽數據集；同時將確知回波協方差矩陣作為第二級網絡的輸入，并將確知回波協方差矩陣對應最小方差無失真權系數作為第二級網絡的輸出標簽數據集；其中第一級網絡用于完成估計回波協方差矩陣集的估計，第二級網絡實現估計回波協方差矩陣的求逆和與目標導向矢量的乘積運算過程，得到自適應權矢量；S3：采用分級預訓練和級聯全網絡微調的策略對二級級聯網絡模型進行訓練；S4：將雷達實際回波協方差矩陣集進行模數轉換后，將其少量樣本數據估計回波協方差矩陣輸入訓練好的二級級聯網絡模型進行處理，得到自適應權矢量；S5：根據所得到的自適應權矢量對待檢測距離門數據進行處理，實現對干擾的有效抑制；S6：對抑制干擾和目標積累后的結果進行恒虛警處理，完成對運動目標的檢測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中山大學，其通訊地址為：510275 廣東省廣州市海珠區新港西路135號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。