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！

龙图腾网获悉深圳市南科佳安机器人科技有限公司申请的专利一种基于深度神经网络的RCS系统仿真测试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：CN119885684B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510363483.X，技术领域涉及：G06F30/20；该发明授权一种基于深度神经网络的RCS系统仿真测试方法及系统是由李季;冯超;夏新涛;白金龙;蒋浩;刘少犊;燕伟设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于深度神经网络的RCS系统仿真测试方法及系统在说明书摘要公布了：本发明公开了一种基于深度神经网络的RCS系统仿真测试方法及系统，包括采集RCS目标回波特征数据进行分段，得到时序特征序列；构建双分支深度神经网络结构，处理时序特征序列，将主辅分支提取的特征进行融合，获得RCS特征表示；在双分支深度神经网络结构中设置跨尺度特征校正单元，计算主辅分支特征图之间的互相关系数，对主辅分支特征进行动态校正；基于校正单元的输出，生成高频和低频RCS仿真特征，并进行自适应融合，得到RCS系统仿真特征；计算RCS系统仿真特征与参考特征的仿真误差，对网络参数进行优化。本发明显著提升了测量系统的自适应能力和稳定性，对提升电子对抗系统性能评估的整体水平具有重要意义。

本发明授权一种基于深度神经网络的RCS系统仿真测试方法及系统在权利要求书中公布了：1.一种基于深度神经网络的RCS系统仿真测试方法，其特征在于，包括： 采集RCS目标回波特征数据，将所述RCS目标回波特征数据按照预设的时间窗口长度进行分段，得到时序特征序列； 基于所述时序特征序列构建双分支深度神经网络结构，主分支采用标准卷积层处理时序特征序列，辅分支设置频谱重构模块，将主分支和辅分支提取的特征进行融合，获得RCS特征表示； 在所述双分支深度神经网络结构中设置跨尺度特征校正单元，所述跨尺度特征校正单元通过计算主分支和辅分支特征图之间的互相关系数，对主辅分支特征进行动态校正； 基于所述跨尺度特征校正单元的输出，分别通过主分支解码器和辅分支解码器生成高频RCS仿真特征和低频RCS仿真特征，采用互相关系数矩阵进行自适应融合，得到RCS系统仿真特征； 将所述RCS特征表示作为参考特征，计算RCS系统仿真特征与所述参考特征的仿真误差，基于所述仿真误差对网络参数进行优化，提升RCS系统仿真精度； 所述跨尺度特征校正单元包括互相关计算模块、权重生成模块和特征校正模块，互相关计算模块用于计算两个分支特征间的相关性矩阵，权重生成模块用于生成特征通道的权重因子，特征校正模块用于对特征进行优化校正； 所述相关性矩阵的计算是通过提取主辅分支特征图，并经过投影变换调整到相同的特征空间，计算互相关系数矩阵，具体包括： 主分支特征图是从每个残差块提取特征图，其中、分别为特征图的高度和宽度，为特征通道数，表示第个残差块层级； 辅分支特征图是从特征映射网络的中间层获取特征图； 对主分支特征图进行重排，转换为矩阵形式； 对辅分支特征进行维度调整和归一化处理，转换为与主分支特征兼容的矩阵形式； 计算主辅分支特征间的互相关系数矩阵： 其中，为互相关系数矩阵，表示特征间的直接相关性，表示主分支特征的自相关矩阵，表示辅分支特征的自相关矩阵； 所述权重生成模块是对所述互相关系数矩阵进行行归一化，得到主分支特征权重因子； 权重因子用于表征主分支各特征通道对RCS特征表示的贡献度； 通过列归一化得到辅分支特征权重因子； 权重因子用于表征辅分支各特征通道对RCS特征表示的贡献度； 所述特征校正模块将权重因子应用于主分支特征，得到校正后的特征图； 将权重因子应用于辅分支特征，得到校正后的特征图。

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深圳市南科佳安机器人科技有限公司，其通讯地址为：518000 广东省深圳市宝安区松岗街道潭头社区健仓科技研发厂区办公楼101；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”。