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！

龙图腾网恭喜中国人民解放军网络空间部队信息工程大学申请的专利基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统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：CN114594440B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210072547.7，技术领域涉及：G01S7/41；该发明授权基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统是由吴济洲;张红敏;黄洁;高暄皓;党同心;陈天翊;程巍轶设计研发完成，并于2022-01-21向国家知识产权局提交的专利申请。

本基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统在说明书摘要公布了：本发明属于雷达目标识别领域，特别涉及一种基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统，通过构建目标识别模型并利用预设波段宽带雷达试验场实测数据作为样本数据对模型进行训练优化，其中，该模型包含：两个并行分别对输入的雷达高分辨率一维距离像数据序列相关性特征进行提取和映射分类的分支网络，用于对两个分支网络输出进行数据加权融合的融合层，用于对加权融合后的输出序列进行分类识别的输出层；利用训练优化后的目标识别模型来识别待检测范围内的高分辨率一维距离像目标。本发明通过对HRRP序列数据进行多通道编码提取特征，并通过权值调整能够进一步提升网络模型的稳健性，提升目标识别准确率，便于实际场景应用。

本发明授权基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统在权利要求书中公布了：1.一种基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，包含如下内容：构建目标识别模型并利用预设波段宽带雷达试验场实测数据作为样本数据对模型进行训练优化，其中，该模型包含：两个并行分别对输入的雷达高分辨率一维距离像数据序列相关性特征进行提取和映射分类的分支网络，用于对两个分支网络输出进行数据加权融合的融合层，用于对加权融合后的输出序列进行分类识别的输出层；两个分支网络中，其中一个分支网络采用LSTM网络结构来提取输入雷达高分辨率一维距离像数据序列前后关联时序特征信息并进行分类映射，另一分支网络采用GRU网络结构来提取输入雷达高分辨率一维距离像数据序列散射中心聚集时序特征信息并进行分类映射；LSTM网络结构中，针对输入的雷达高分辨率一维距离像数据序列，通过遗忘门、输入门和输出门来更新当前计算时刻的记忆单元和隐藏状态，将输入的雷达高分辨率一维距离像数据序列前面时刻信息与当前计算时刻信息进行关联，利用时序相关性来提取数据序列特征；GRU网络结构中，利用重置门设置先前时刻信息遗忘程度，利用更新门设置当前时刻信息重要程度，通过重置门和更新门来更新当前时刻的隐藏状态，利用当前时刻信息量来确定并调整当前时刻信息与先前时刻历史信息权重，以通过稀释历史信息数据来提取输入的雷达高分辨率一维距离像数据序列散射中心聚集时序特征；所述融合层采用动态门结构权值融合调整策略对两个分支网络输出进行加权融合，对两个分支网络输出进行加权融合的权值随网络特征提取状况进行动态调整；动态门结构权值融合调整策略进行加权融合的过程表示为:Fa=dLSTM*FLSTM+dGRU*FGRU，Fa表示加权融合后输出，FLSTM、FGRU分别表示LSTM分支网络结构和GRU分支网络结构的输出，ILSTM-forget表示所有时刻输入数据经输入门后生成LSTM网络输入门的门控单元序列，ZGRU-update表示随数据输入生成更新门的门控单元序列，dLSTM、dGRU分别表示两个分支网络中利用对应门控单元序列二范数之比来获取的权值；所述输出层采用softmax及classification分类器来输出输入序列类别，利用softmax输出输入序列所述类别的概率大小，利用classification选取所属类别概率最大的一项类别作为最终输出结果；利用训练优化后的目标识别模型来识别待检测范围内的高分辨率一维距离像目标。

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中国人民解放军网络空间部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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”。