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！

龙图腾网恭喜广东工业大学申请的专利一种用于小型无人机识别的微多普勒特征分级分析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：CN115469287B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202211055591.3，技术领域涉及：G01S7/41；该发明授权一种用于小型无人机识别的微多普勒特征分级分析方法是由刘震宇;伍卓丰;马崇润;刘昊明;李光平设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种用于小型无人机识别的微多普勒特征分级分析方法在说明书摘要公布了：本发明公开了一种用于小型无人机识别的微多普勒特征分级分析方法，包括以下步骤：对小型无人机回波信号进行预处理，去除无人机的机身多普勒信号分量；分离提取无人机微多普勒信号分量，并构建无人机微动特征集，其包括训练数据集和实测数据集；构建无人机分类模型，利用训练数据集构建模型训练数据集训练无人机分类模型，并建立最优的无人机微动特征组合和保存最优分类模型；根据无人机微动特征组合指导雷达系统从实测数据集中筛选出数据集，输入到最优分类模型中进行无人机类型识别；利用无人机回波信号预处理，抑制机身多普勒信号，减少遮蔽效应的影响，根据先验知识提取有效的微动特征并训练最优的轻量级无人机分类模型，提升目标的识别精度。

本发明授权一种用于小型无人机识别的微多普勒特征分级分析方法在权利要求书中公布了：1.一种用于小型无人机识别的微多普勒特征分级分析方法，特征在于，包括以下步骤：S1：对小型无人机回波信号进行预处理，去除无人机的机身多普勒信号分量；S2：分离提取无人机微多普勒信号分量，并构建无人机微动特征集，其包括训练数据集和实测数据集；在步骤S2中，无人机微多普勒信号分离提取包括以下步骤：S21：模态分解得到J阶独立分量fjn；S22：对各阶独立分量进行BFC评分；S23：独立分量分组；把fjn分为如下两组： {fj_dowmn|gj_downBFscorethreshold,j_down∈{1,2,…,J}}S24：重构微多普勒信号S25：构建微动特征数据集在步骤S21中，具体为：S211：求出信号srn所有极大值点和极小值点并拟合形成上、下包络线；S212：上、下包络线的平均值记为mn，然后减去mn得到一个新的信号并求出：hn＝srn-mn,n＝1,2,…,N；S213：若hn满足条件：1、hn的极值点和过零点的数目差值的绝对值不大于1；2、上、下包络线的平均值为零，则令fjn＝hn并执行步骤S214；否则，执行步骤S211；S214：将fjn从srn中分离出来，得到：rn＝srn-fjn,n＝1,2,…,NS215：若rn不为单调函数时，则令srn＝rn并执行步骤S211，如此重复循环J次得到J阶独立分量；否则，结束模态分解；在步骤S22中，包括以下步骤：S221：令j＝1,输入独立分量fjn；S222：将fjn分解为向量集W＝{wj,1,wj,2,…,wj,I}；S223：计算W中各元素的BFC得分S224：计算fjn的BFC总得分gj；其中，S225：若jJ，则令j＝j+1并执行步骤S221，否则，执行S226；S226：计算得分阈值在步骤S25中，构建微动特征数据集包括以下步骤：S251：将sm_Dsn分解为向量集S252：提取微动特征向量： S253：提取微动特征向量： S254：提取微动特征向量： S255：提取微动特征向量： S256：提取微动特征值： S257：提取微动特征值： S258：构建无人机微动特征集；S3：构建无人机分类模型，利用训练数据集构建模型训练数据集训练无人机分类模型，并建立最优的无人机微动特征组合和保存最优分类模型；S4：根据无人机微动特征组合指导雷达系统从实测数据集中筛选出数据集，输入到最优分类模型中进行无人机类型识别。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。