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！

龙图腾网获悉浙江大学申请的专利一种基于时间域图张量注意力网络的雷达辐射源识别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：CN116662737B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211649988.5，技术领域涉及：G06F18/10；该发明授权一种基于时间域图张量注意力网络的雷达辐射源识别系统是由李昊哲;刘佳琪;叶松;黄煦;刘芳;李冠呈;王文海;孙伟;邵文佳;方艺忠;刘兴高设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本一种基于时间域图张量注意力网络的雷达辐射源识别系统在说明书摘要公布了：本发明公开了一种基于时间域图张量注意力网络的雷达辐射源识别系统，实现了不同采样点和不同雷达特征间的联系，从而精准地识别雷达辐射源。所述识别系统由雷达采集模块、数据库以及上位机组成，雷达采集模块获取雷达辐射源信号，并且将雷达辐射源信号存储到数据库中，上位机采集数据库中的数据，对所采集的数据进行信号变换，基于信号变换后的时间域图张量数据进行鲁棒注意力识别模型建模，并利用鲁棒注意力识别模型检测新的雷达辐射源信号。本发明实现了智能性强、高精度、高准确率的雷达辐射源识别在线识别，解决了雷达辐射源识别精度低、没有考虑到时域相关性和特征相关性的问题。

本发明授权一种基于时间域图张量注意力网络的雷达辐射源识别系统在权利要求书中公布了：1.一种基于时间域图张量注意力网络的雷达辐射源识别系统，其特征在于：所述系统由雷达采集模块、数据库以及上位机三个模块依次相连组成；其中上位机包括：信号变换模块、鲁棒注意力识别模型建模模块、鲁棒注意力识别模块、识别结果输出模块；上位机采集数据库中的数据，对所采集的数据进行信号变换，基于信号变换后的时间域图张量数据进行鲁棒注意力识别模型建模，并且实时更新鲁棒注意力识别模型，同时利用鲁棒注意力识别模型检测新的雷达辐射源信号； 所述信号变换模块用于将雷达辐射源数据库中的数据变换为时间域图张量，采用如下过程完成： 原始雷达辐射源信号是一维信号；第i个原始雷达信号表示为： 1 其中L表示信号的长度； 通过经验模态分解，将其分解为三个固有模式函数、、： 2 3 4 其中表示集合中第i个原始雷达信号的第l个脉冲分解值，表示集合中第i个原始雷达信号的第l个脉冲分解值，表示集合中第i个原始雷达信号的第l个脉冲分解值； 利用希尔伯特变换对原始信号和三个固有模式函数进行变换；希尔伯特变换后的原始信号和三个固有模式函数、、描述为： 5 6 7 8 其中表示集合中第i个雷达信号的第l个值，表示集合中第i个雷达信号的第l个值，表示集合中第i个雷达信号的第l个值，且每个时间点的分析信号由实部和虚部组成，,,； 计算原始信号的瞬时振幅、瞬时相位和瞬时频率；其瞬时振幅、瞬时相位和瞬时频率表示为： 9 10 11 其中，表示第i个原始雷达信号的第l个采样时间的瞬时幅度，通过以下公式计算： 12 表示第i个原始雷达信号的第l个采样时间的瞬时相位，通过以下公式计算： 13 表示第i个原始雷达信号的第l个采样时间的瞬时频率，通过以下公式计算： 14 表示采样频率；获得3个IMF的瞬时振幅、瞬时相位和瞬时频率； 为了确保每个特征的长度相等，丢弃瞬时幅度,,,，瞬时相位,,,和原始信号,,,的第一次采样点，使每个特征的长度为L-1；将这三个特征与原始信号拼接，以获得原始图、IMF1图、IMF2图、IMF3图的节点特征： 15 16 17 18 其中，原始图的第l个节点为；IMF1图的第l个节点为；IMF2图的第l个节点为；IMF3图的第l个节点为；节点之间的边由可学习的注意系数组成，从而构成时间域图张量； 鲁棒注意力识别模型建模模块利用信号变换后得到的时间域图张量，建立高精度的鲁棒注意力识别模型，并且利用数据库中的训练集数据自动地学习如何有效地进行识别；鲁棒注意力识别模型建模模块采用如下过程完成： 1在图内传播过程中，每个节点将聚合其所有邻居节点和自身；聚合本身就是为了保留原始特征；在原始图的情况下，图内传播的过程如下： 19 20 其中，是原始图中图内传播后第i个雷达辐射源信号的第l个节点表示，表示从到的向量拼接，是由原始图的第l个节点和第m个节点之间的第k个注意力计算的归一化点积注意力系数，是可学习的变换权重； 使用相同的帧内传播方法，将IMF1图、IMF2图和IMF3图的节点更新为,和； 2图间传播在时域图张量中的不同图之间传播信息，使来自不同图的异构信息逐渐混合为一致信息；原始信号和不同的IMFs特征用于在同一采样点进行消息传播；在聚合过程中添加自循环以保留原始特征；图间传播如下： 21 22 其中，是原始图中经过图内传播和图间传播后的第i个雷达信号的第l个节点表示，是由原始图中图内传播后第i个雷达辐射源信号的第l个节点和第n个节点之间的第q个注意力计算的归一化点积注意力系数，表示与节点在相同的采样点的节点集合，是可学习的变换权重； 3更新后的节点表示不仅包括不同采样点之间的关系，还包括同一采样点上不同特征之间的关系；将所有更新后的节点展平为一维矩阵；在全连接模块和softmax操作后，获得雷达信号的类型： 23 其中，可学习变换权重，是对于每种雷达辐射源信号的预测概率；C是雷达辐射源信号类型的数量；选取预测概率最大的类别作为最终的识别类别。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。