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！

龙图腾网获悉中国人民解放军军事航天部队航天工程大学申请的专利一种基于复数域卷积的空间目标姿态估计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：CN121353414B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511912791.X，技术领域涉及：G06T7/73；该发明授权一种基于复数域卷积的空间目标姿态估计方法是由何永华;王佳豪;潘奥祥;朱卫纲;李永刚;曲卫;邱磊;沈瑞韬;延金海;姬文航设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本一种基于复数域卷积的空间目标姿态估计方法在说明书摘要公布了：本发明提供了一种基于复数域卷积的空间目标姿态估计方法，属于信号处理技术领域。该方法构建多尺度复数特征金字塔，其包括四个逐级深化的特征提取阶段，每个阶段均采用CRB堆叠而成；第一阶段进一步嵌入复数空间注意力CSA，对实部和虚部特征分两个通道进行空间维度的重加权；第二阶段进一步嵌入复数通道注意力CCA，对实部和虚部特征分两个通道进行通道维度的重加权。然后针对实部和虚部特征进行复数域自适应平均池化和特征拼接，形成包含完整复数信息的融合特征向量；姿态估计输出头基于该融合特征向量估计三维姿态角。使用本发明能够解决传统ISAR图像姿态估计中因相位信息丢失导致估计误差较大以及模型泛化能力不足的技术问题。

本发明授权一种基于复数域卷积的空间目标姿态估计方法在权利要求书中公布了：1.一种基于复数域卷积的空间目标姿态估计方法，其特征在于，该方法包括： 步骤1：复数特征初步提取网络对ISAR复数图像进行初步特征提取，获得第一复数特征； 步骤2：多尺度复数特征金字塔对第一复数特征进行注意力优化的特征提取，获得第二复数特征；其中，所述多尺度复数特征金字塔包括四个逐级深化的特征提取阶段，每个特征提取阶段均采用复数域残差块CRB堆叠而成； 所述多尺度复数特征金字塔中，四个逐级深化的特征提取阶段依次为第一征提取阶段、第二征提取阶段、第三征提取阶段和第四征提取阶段； 第一特征提取阶段嵌入复数空间注意力CSA，对实部特征和虚部特征分两个通道进行空间维度的重加权；所述第一特征提取阶段由依次堆叠的第一CRB、第二CRB和复数CSA处理块组成；第一CRB采用步长2实现第一复数特征的特征图下采样；第二CRB维持分辨率进行特征深化；复数CSA处理块包括实部空间注意力处理分支和虚部空间注意力处理分支；实部空间注意力处理分支采用1×1的复数卷积生成空间权重实部，对第一复数特征的实部特征重加权，获得阶段1特征的实部；虚部空间注意力处理分支采用1×1的复数卷积生成空间权重虚部，对第一复数特征的虚部特征重加权，获得阶段1特征的虚部； 第二特征提取阶段嵌入复数通道注意力CCA，对实部特征和虚部特征分两个通道进行通道维度的重加权；所述第二特征提取阶段由依次堆叠的第三CRB、第四CRB和复数CCA处理块组成；所述第三CRB采用步长2实现阶段1特征的特征图下采样；所述第四CRB维持分辨率进行特征深化；所述复数CCA处理块包括实部通道注意力处理分支和虚部通道注意力处理分支；所述实部通道注意力处理分支通过全局平均池化获取实部通道特征，采用两个全连接层FC实现自适应调整各通道权重实部，对实部通道特征进行重加权，获得阶段2特征实部；所述虚部通道注意力处理分支通过全局平均池化获取虚部通道特征，采用两个全连接层FC实现自适应调整各通道权重虚部，对虚部通道特征进行重加权，获得阶段2特征虚部； 第三特征提取阶段由依次堆叠的第五CRB和第六CRB组成；通过这两个CRB在进一步下采样的过程中扩大感受野，从局部特征表示向全局特征过渡，形成表征姿态角度的特征； 第四特征提取阶段由依次堆叠的第七CRB和第八CRB组成；通过这两个CRB实现最后一级下采样，整合前三个特征提取阶段的层次化特征信息，将局部特征与全局特征相融合； 步骤3：复数域自适应平均池化层将所述第二复数特征压缩至固定尺寸，在实部和虚部分别进行相同的池化操作，实现空间维度标准化和特征聚合； 步骤4：虚实拼接层对池化后的实部特征与虚部特征进行拼接，形成包含完整复数信息的融合特征向量； 步骤5：姿态估计输出头采用三层全连接层将所述融合特征向量逐步回归空间目标的三维姿态角估计值。

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中国人民解放军军事航天部队航天工程大学，其通讯地址为：101416 北京市怀柔区雁栖镇八一路一号；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。