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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于特征空间距离度量的SAR干扰识别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：CN116975603B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202311193638.7，技术领域涉及：G06F18/213；该发明授权一种基于特征空间距离度量的SAR干扰识别方法是由李亚超;岑熙;顾彤;李世奇;张磊;张彬;王琦设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本一种基于特征空间距离度量的SAR干扰识别方法在说明书摘要公布了：本发明公开了一种基于特征空间距离度量的SAR干扰识别方法，包括：获取至少一条待识别干扰信号数据；采用预设短时傅里叶变换参数对至少一条待识别干扰信号数据进行短时傅里叶变换，得到至少一个时频图；将至少一个时频图输入训练完备的干扰特征向量提取模型，输出至少一个特征向量；训练完备的干扰特征向量提取模型是采用多个训练数据对训练得到的；每个训练数据对包含一个时频图和该时频图的干扰类型标签；根据每个特征向量与干扰特征向量库中干扰类型已知的各个干扰特征向量之间的距离，确定特征向量对应的待识别干扰信号数据的干扰类型；干扰特征向量库是根据训练完备的干扰特征向量提取模型从干扰类型已知的时频图中提取出的特征向量构建的。

本发明授权一种基于特征空间距离度量的SAR干扰识别方法在权利要求书中公布了：1.一种基于特征空间距离度量的SAR干扰识别方法，其特征在于，包括：获取至少一条待识别干扰信号数据；采用预设短时傅里叶变换参数对所述至少一条待识别干扰信号数据进行短时傅里叶变换处理，得到与所述至少一条待识别干扰信号数据一一对应的至少一个时频图；将所述至少一个时频图输入训练完备的干扰特征向量提取模型，输出与所述至少一个时频图一一对应的至少一个特征向量；所述将所述至少一个时频图输入训练完备的干扰特征向量提取模型，输出与所述至少一个时频图一一对应的至少一个特征向量，包括：将所述至少一个时频图输入训练完备的干扰特征向量提取模型后，所述训练完备的干扰特征向量提取模型对每个时频图进行多次不同的卷积池化操作，得到所述时频图的第一特征图；对所述第一特征图依次进行全局平均池化处理、全局最大池化处理、激活处理和注意力层处理，得到第二特征图；将所述第一特征图和所述第二特征图进行特征融合处理，得到融合特征图；对所述融合特征图进行全局最大池化处理，得到所述时频图对应的特征向量；所述训练完备的干扰特征向量提取模型是采用多个训练数据对训练得到的；每个训练数据对包含一个样本时频图和所述样本时频图的干扰类型标签；根据每个特征向量与干扰特征向量库中干扰类型已知的各个干扰特征向量之间的距离，确定所述特征向量对应的一条待识别干扰信号数据的干扰类型；所述干扰特征向量库是根据所述训练完备的干扰特征向量提取模型，从干扰类型已知的时频图中提取出的特征向量所构建的。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。