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！

龙图腾网恭喜东南大学申请的专利一种数据模型双驱动下的海杂波建模与抑制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：CN114117912B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202111419764.0，技术领域涉及：G06F30/27；该发明授权一种数据模型双驱动下的海杂波建模与抑制方法是由陈鹏;许震;王宗新;曹振新设计研发完成，并于2021-11-26向国家知识产权局提交的专利申请。

本一种数据模型双驱动下的海杂波建模与抑制方法在说明书摘要公布了：本发明公开了一种数据模型双驱动下的海杂波建模与抑制方法，属于雷达与信号处理技术和人工智能技术领域。包括以下步骤：搭建生成对抗网络GAN作为海杂波建模算法的驱动模型，同时采用高斯白噪声数据与海杂波数据作为海杂波建模算法的驱动数据；进行GAN中的生成器和判别器的模型训练；搭建基于卷积神经网络CNN的海杂波抑制模型，并使用GAN模型所生成的数据作为CNN的输入数据集，进行CNN的模型训练；进行模型性能的衡量，采用均方差MSD检验来衡量GAN模型的海杂波建模仿真效果，通过对比使用CNN模型前后的雷达接收信号时频谱，检验CNN模型的海杂波抑制效果。本发明提供的方法，能更有效的进行海杂波的仿真建模，并可以对雷达接收信号中的海杂波分量进行抑制。

本发明授权一种数据模型双驱动下的海杂波建模与抑制方法在权利要求书中公布了：1.一种数据模型双驱动下的海杂波建模与抑制方法，其特征在于，包括以下步骤：步骤一、搭建GAN网络作为海杂波建模的驱动模型，采用高斯白噪声数据、使用球不变随机过程法SIRP法生成的满足K分布的海杂波仿真数据和实测海杂波数据作为海杂波建模的驱动数据；步骤二、进行GAN的生成器和判别器的模型训练；步骤三、搭建基于CNN的海杂波抑制模型，并使用GAN模型所生成的海杂波数据作为CNN的输入数据集；步骤四、进行CNN的模型训练；步骤五、进行模型性能的衡量，采用MSD检验来衡量GAN模型的海杂波建模仿真效果，通过对比使用CNN模型前后的雷达接收信号时频谱，检验CNN模型的海杂波抑制效果；步骤一中驱动模型GAN网络的整体结构包括生成器G、判别器D，生成器G的输入为Z，将Z输入生成器G后，会生成不存在于真实世界的海杂波数据GZ，再经过判别器D进行海杂波数据真假性的判断；通过不断的网络迭代训练，使得生成器G和判别器D会各自更新其网络参数，使得损失函数最小，最终会达到一个纳什均衡的状态，此时的GAN模型达到了最优状态，生成器G所生成的海杂波数据最接近于真实的海杂波数据；驱动数据需要使用短时傅里叶变换STFT进行预处理，STFT的计算公式具体为： 其中，yu为初始信号，gu为窗函数，上标*为复共轭，t表示窗函数的中心位置，u表示时域时间，f表示频率；STFTyt,f是初始信号yu的STFT；通过计算公式，对三种驱动数据分别做STFT并得到各自的时频谱数据集，将这三种驱动数据集作为海杂波建模的驱动数据。

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东南大学，其通讯地址为：211102 江苏省南京市东南大学路2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”。