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！

龍圖騰網恭喜西安電子科技大學申請的專利基于兩階段雙校準網絡的小樣本SAR干擾識別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：CN119206517B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202411716140.9，技術領域涉及：G06V20/10；該發明授權基于兩階段雙校準網絡的小樣本SAR干擾識別方法是由樊偉偉;杜金標;陳炳序;周峰;田甜設計研發完成，并于2024-11-27向國家知識產權局提交的專利申請。

本基于兩階段雙校準網絡的小樣本SAR干擾識別方法在說明書摘要公布了：本發明提供了一種基于兩階段雙校準網絡的小樣本SAR干擾識別方法，涉及雷達目標識別技術領域，包括從雷達系統獲取待識別的干擾時頻圖像以及數據庫中攜帶標簽的時頻圖像，輸入至訓練好的兩階段雙校準網絡中得到識別結果，識別結果包括干擾時頻圖像中包含的干擾對象的類別；由于本發明訓練好的兩階段雙校準網絡由預訓練階段的基礎原型特征來指導在元學習階段的原型特征，使網絡能夠學習校準以減輕低SNR下的嚴重分布偏移。并且本發明通過計算交叉注意力分數來共同校準支持和查詢實例，從而實現支持到查詢和查詢到支持的雙重校準。本發明通過解耦合嵌入的空間和通道維度來改進雙交叉注意力機制，以進一步關注可靠特征并消除不可靠特征。

本發明授權基于兩階段雙校準網絡的小樣本SAR干擾識別方法在權利要求書中公布了：1.一種基于兩階段雙校準網絡的小樣本SAR干擾識別方法，其特征在于，包括：S100，從雷達系統獲取待識別的干擾時頻圖像以及數據庫中攜帶標簽的時頻圖像；S200，將所述干擾時頻圖像和所述攜帶標簽的時頻圖像，輸入至訓練好的兩階段雙校準網絡中得到識別結果，所述識別結果包括干擾時頻圖像中包含的干擾對象的類別；其中，所述訓練好的兩階段雙校準網絡通過在預訓練階段和元學習階段訓練預定義的兩階段雙校準網絡得到；所述預定義的兩階段雙校準網絡包括依次連接的輸入層、特征提取器、雙校準模塊和原型分類器；其中，所述輸入層用于輸入時頻圖像，所述特征提取器用于提取輸入的時頻圖像的樣本特征，所述雙校準模塊用于對樣本特征在空間維度和通道維度上協同校準得到校準特征，所述原型分類器用于根據所述校準特征進行分類得到輸入的時頻圖像包含的對象的類別；在預訓練階段訓練所述預定義的兩階段雙校準網絡的過程包括：a2，獲取輔助數據集，并將其分為第一支持集和第一查詢集；其中，所述第一支持集和第一查詢集均包含類樣本圖像，所述第一支持集中的每類樣本圖像有個，所述第一查詢集中每類樣本圖像有個，所述第一支持集中的樣本圖像均攜帶標簽，所述第一查詢集中的樣本圖像均不攜帶標簽；b2，從所述第一支持集和第一查詢集中各抽取一個樣本圖像組成第一支持查詢對，并將所述第一支持查詢對輸入至所述特征提取器中，以生成第類的基礎原型特征和第類的基礎查詢特征；在元學習階段訓練預定義的兩階段雙校準網絡的過程包括：a3，獲取新數據集，并將其分為第二支持集和第二查詢集；其中，所述第二支持集和第二查詢集均包含類樣本圖像，所述第二支持集中的每類樣本圖像有個，所述第二查詢集中每類樣本圖像有個，所述第二支持集中的樣本圖像均攜帶標簽，所述第二查詢集中的樣本圖像均不攜帶標簽；b3，從所述第二支持集和第二查詢集中各選一個樣本圖像組成樣本圖像對；c3，利用所述特征提取器分別提取所述樣本圖像對的樣本特征，得到對應的第類的原型特征和第個的查詢特征；d3，將所述原型特征和查詢特征輸入至所述兩階段雙校準網絡包含的雙校準模塊中，以使所述雙校準模塊對所述原型特征和查詢特征依次在空間維度和通道維度上協同校準，得到雙校準原型特征和雙校準查詢特征；e3，將所述雙校準原型特征和雙校準查詢特征輸入不同的分類器，得到對應的分類概率，并根據所述分類概率計算總損失函數；f3，根據所述總損失函數判斷訓練是否滿足截至條件，若未滿足截止條件，則調整所述雙校準模塊的內部參數，并返回b3；若滿足截止條件，得到訓練好的兩階段雙校準網絡。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2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”。