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基于两阶段双校准网络的小样本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：CN119206517B 。

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：202411716140.9，技术领域涉及：G06V20/10；该发明授权基于两阶段双校准网络的小样本SAR干扰识别方法是由樊伟伟;杜金标;陈炳序;周峰;田甜设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于两阶段双校准网络的小样本SAR干扰识别方法在说明书摘要公布了：本发明提供了一种基于两阶段双校准网络的小样本SAR干扰识别方法，涉及雷达目标识别技术领域，包括从雷达系统获取待识别的干扰时频图像以及数据库中携带标签的时频图像，输入至训练好的两阶段双校准网络中得到识别结果，识别结果包括干扰时频图像中包含的干扰对象的类别；由于本发明训练好的两阶段双校准网络由预训练阶段的基础原型特征来指导在元学习阶段的原型特征，使网络能够学习校准以减轻低SNR下的严重分布偏移。并且本发明通过计算交叉注意力分数来共同校准支持和查询实例，从而实现支持到查询和查询到支持的双重校准。本发明通过解耦合嵌入的空间和通道维度来改进双交叉注意力机制，以进一步关注可靠特征并消除不可靠特征。

本发明授权基于两阶段双校准网络的小样本SAR干扰识别方法在权利要求书中公布了：1.一种基于两阶段双校准网络的小样本SAR干扰识别方法，其特征在于，包括：S100，从雷达系统获取待识别的干扰时频图像以及数据库中携带标签的时频图像；S200，将所述干扰时频图像和所述携带标签的时频图像，输入至训练好的两阶段双校准网络中得到识别结果，所述识别结果包括干扰时频图像中包含的干扰对象的类别；其中，所述训练好的两阶段双校准网络通过在预训练阶段和元学习阶段训练预定义的两阶段双校准网络得到；所述预定义的两阶段双校准网络包括依次连接的输入层、特征提取器、双校准模块和原型分类器；其中，所述输入层用于输入时频图像，所述特征提取器用于提取输入的时频图像的样本特征，所述双校准模块用于对样本特征在空间维度和通道维度上协同校准得到校准特征，所述原型分类器用于根据所述校准特征进行分类得到输入的时频图像包含的对象的类别；在预训练阶段训练所述预定义的两阶段双校准网络的过程包括：a2，获取辅助数据集，并将其分为第一支持集和第一查询集；其中，所述第一支持集和第一查询集均包含类样本图像，所述第一支持集中的每类样本图像有个，所述第一查询集中每类样本图像有个，所述第一支持集中的样本图像均携带标签，所述第一查询集中的样本图像均不携带标签；b2，从所述第一支持集和第一查询集中各抽取一个样本图像组成第一支持查询对，并将所述第一支持查询对输入至所述特征提取器中，以生成第类的基础原型特征和第类的基础查询特征；在元学习阶段训练预定义的两阶段双校准网络的过程包括：a3，获取新数据集，并将其分为第二支持集和第二查询集；其中，所述第二支持集和第二查询集均包含类样本图像，所述第二支持集中的每类样本图像有个，所述第二查询集中每类样本图像有个，所述第二支持集中的样本图像均携带标签，所述第二查询集中的样本图像均不携带标签；b3，从所述第二支持集和第二查询集中各选一个样本图像组成样本图像对；c3，利用所述特征提取器分别提取所述样本图像对的样本特征，得到对应的第类的原型特征和第个的查询特征；d3，将所述原型特征和查询特征输入至所述两阶段双校准网络包含的双校准模块中，以使所述双校准模块对所述原型特征和查询特征依次在空间维度和通道维度上协同校准，得到双校准原型特征和双校准查询特征；e3，将所述双校准原型特征和双校准查询特征输入不同的分类器，得到对应的分类概率，并根据所述分类概率计算总损失函数；f3，根据所述总损失函数判断训练是否满足截至条件，若未满足截止条件，则调整所述双校准模块的内部参数，并返回b3；若满足截止条件，得到训练好的两阶段双校准网络。

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”。