買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京航空航天大學(xué)申請(qǐng)的專(zhuān)利基于自監(jiān)督對(duì)比學(xué)習(xí)的雷達(dá)信號(hào)特征表示方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119416150B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202411497212.5，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)基于自監(jiān)督對(duì)比學(xué)習(xí)的雷達(dá)信號(hào)特征表示方法是由宮麗娜;馬田甜;王晨;聶之翹設(shè)計(jì)研發(fā)完成，并于2024-10-25向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于自監(jiān)督對(duì)比學(xué)習(xí)的雷達(dá)信號(hào)特征表示方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了基于自監(jiān)督對(duì)比學(xué)習(xí)的雷達(dá)信號(hào)特征表示方法，包括：獲取雷達(dá)信號(hào)時(shí)間序列數(shù)據(jù)并進(jìn)行預(yù)處理；數(shù)據(jù)增強(qiáng)得到強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖，輸入到編碼器中得到潛在嵌入表示，輸入到時(shí)間對(duì)比模塊中進(jìn)行跨視圖預(yù)測(cè)時(shí)間步的任務(wù)，輸出對(duì)應(yīng)的上下文向量，并計(jì)算時(shí)間對(duì)比損失；強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖對(duì)應(yīng)的上下文向量輸入到上下文對(duì)比模塊中以進(jìn)行自監(jiān)督對(duì)比學(xué)習(xí)并計(jì)算上下文對(duì)比損失；整合得到總損失函數(shù)并對(duì)時(shí)間對(duì)比模塊和上下文對(duì)比模塊構(gòu)成的模型進(jìn)行訓(xùn)練，得到雷達(dá)信號(hào)時(shí)間序列特征表示模型，能夠高效精準(zhǔn)捕捉雷達(dá)信號(hào)時(shí)間序列中的時(shí)序依賴(lài)、上下文關(guān)系以及跨視圖的一致性，從而增強(qiáng)對(duì)雷達(dá)信號(hào)的理解能力，更加靈活地應(yīng)對(duì)復(fù)雜雷達(dá)應(yīng)用場(chǎng)景。

本發(fā)明授權(quán)基于自監(jiān)督對(duì)比學(xué)習(xí)的雷達(dá)信號(hào)特征表示方法在權(quán)利要求書(shū)中公布了：1.基于自監(jiān)督對(duì)比學(xué)習(xí)的雷達(dá)信號(hào)特征表示方法，其特征在于，包括：步驟S1、獲取雷達(dá)信號(hào)時(shí)間序列數(shù)據(jù)并進(jìn)行預(yù)處理，構(gòu)建無(wú)標(biāo)記數(shù)據(jù)集；步驟S2、使用強(qiáng)增強(qiáng)和弱增強(qiáng)對(duì)無(wú)標(biāo)記數(shù)據(jù)集中的雷達(dá)時(shí)間序列樣本進(jìn)行數(shù)據(jù)增強(qiáng)得到強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖；步驟S3、將強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖分別輸入到編碼器中得到對(duì)應(yīng)的潛在嵌入表示；步驟S4、將強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖對(duì)應(yīng)的潛在嵌入表示輸入到時(shí)間對(duì)比模塊中以進(jìn)行跨視圖預(yù)測(cè)時(shí)間步的任務(wù)，分別輸出強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖對(duì)應(yīng)的上下文向量，并分別計(jì)算強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖對(duì)應(yīng)的時(shí)間對(duì)比損失；所述時(shí)間對(duì)比模塊對(duì)于潛在嵌入表示z，采用自回歸模型far將其中小于時(shí)間t的時(shí)間步的嵌入表示z≤t歸納為上下文向量ct＝farz≤t,ct∈Rh，其中h為far的隱藏維度，使用上下文向量ct來(lái)完成跨視圖預(yù)測(cè)時(shí)間步的任務(wù)以學(xué)習(xí)到雷達(dá)信號(hào)時(shí)間序列的內(nèi)在規(guī)律和特征，過(guò)程如下：首先添加一個(gè)h維的令牌c，其狀態(tài)在輸出中充當(dāng)能夠代表整個(gè)時(shí)間序列信息的上下文向量，將z≤t輸入到一個(gè)線性投影層WTran，輸出特征向量z′＝WTranz≤t；隨后將上下文向量c附加到特征向量z′中，使得輸入特征變?yōu)棣?＝[c；z′]，其中下標(biāo)0表示ψ0是Transformer第一層的輸入特征；然后將ψ0傳遞到Transformer層，每層Transformer都包含多頭注意力機(jī)層和多層感知機(jī)的計(jì)算，每經(jīng)過(guò)一層Transformer，輸入被更新成新的特征向量，公式如下: 其中，MHA為多頭注意力層，Norm為標(biāo)準(zhǔn)化層，MLP為多層感知機(jī)，l為輸入特征在Transformer中運(yùn)算的層數(shù)，L為所能堆疊的Transformer最大層數(shù)，ψl表示輸入到第l層transformer中的特征向量；ψ0經(jīng)過(guò)L層Transformer后，網(wǎng)絡(luò)輸出為包含上下文向量和其他輸入特征的組合向量ψL，提取該組合向量的第一部分，即最初輸入的上下文向量c經(jīng)過(guò)Transformer網(wǎng)絡(luò)后的更新版本并將其作為更新后的上下文向量ct，以完成跨視圖預(yù)測(cè)時(shí)間步的任務(wù)以學(xué)習(xí)到雷達(dá)信號(hào)時(shí)間序列的內(nèi)在規(guī)律和特征；步驟S5、將強(qiáng)增強(qiáng)視圖和弱增強(qiáng)視圖對(duì)應(yīng)的上下文向量輸入到上下文對(duì)比模塊中以進(jìn)行自監(jiān)督對(duì)比學(xué)習(xí)并計(jì)算上下文對(duì)比損失；步驟S6、整合所述時(shí)間對(duì)比損失和上下文對(duì)比損失得到總損失函數(shù)，并基于總損失函數(shù)對(duì)時(shí)間對(duì)比模塊和上下文對(duì)比模塊構(gòu)成的模型進(jìn)行訓(xùn)練，得到雷達(dá)信號(hào)時(shí)間序列特征表示模型，為雷達(dá)信號(hào)時(shí)間序列生成融合全局上下文信息且更為綜合和魯棒的特征表示。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人南京航空航天大學(xué)，其通訊地址為：211106 江蘇省南京市江寧區(qū)將軍大道29號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。