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！

龙图腾网获悉安徽隼波科技有限公司申请的专利一种基于深度强化学习的毫米波雷达盲点检测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：CN120103296B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510570828.9，技术领域涉及：G01S7/41；该发明授权一种基于深度强化学习的毫米波雷达盲点检测方法是由胡宗品;李昂;路同亚;李开文;付昕男;刘志勇;任梦奇;葛晨晨设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种基于深度强化学习的毫米波雷达盲点检测方法在说明书摘要公布了：本发明涉及自动驾驶，具体涉及一种基于深度强化学习的毫米波雷达盲点检测方法，通过发射和接收毫米波信号来探测车辆盲点区域的目标信息；对毫米波雷达数据进行滤波、聚类和目标跟踪，得到盲点区域的目标数据；基于盲点区域的目标数据，通过改进DQN算法进行实时决策，判断是否存在危险情况并给出最佳应对策略；根据改进DQN算法输出结果提供驾驶警报或完成自动规避动作；本发明提供的技术方案能够有效克服现有技术所存在的难以在复杂多变的交通场景中及时准确地作出实时决策的缺陷。

本发明授权一种基于深度强化学习的毫米波雷达盲点检测方法在权利要求书中公布了：1.一种基于深度强化学习的毫米波雷达盲点检测方法，其特征在于：包括以下步骤： S1、通过发射和接收毫米波信号来探测车辆盲点区域的目标信息； S2、对毫米波雷达数据进行滤波、聚类和目标跟踪，得到盲点区域的目标数据； S3、基于盲点区域的目标数据，通过改进DQN算法进行实时决策，判断是否存在危险情况并给出最佳应对策略； S4、根据改进DQN算法输出结果提供驾驶警报或完成自动规避动作； 其中，改进DQN算法通过考量多维度因素和动态调整奖励系数对奖励函数设计进行优化，以适应复杂多变的交通场景，高效作出实时决策； 改进DQN算法在训练过程中引入优先经验回放机制，优先选择重要的经验样本进行学习，加快模型收敛速度；同时，采用基于动态权重分配与反馈调节的梯度下降算法更新评估网络的参数，并定期更新目标网络的参数，以减少训练过程中的Q值估计偏差，更高效地作出实时决策，准确判断危险情况并给出最佳应对策略； S1中通过发射和接收毫米波信号来探测车辆盲点区域的目标信息，包括： S11、采用混沌序列xn对毫米波载波信号进行混沌调制，经过混沌调制后的毫米波信号st为： ； 其中，Ac、fc分别为毫米波载波信号的振幅、频率，t为时间，k为调制系数，n为混沌序列xn的时间索引，N为混沌序列xn的总长度，rect为矩形脉冲函数，Ts为采样周期； S12、在实际的车辆行驶场景中，为更好地适应不同环境因素对毫米波信号st的传播产生的影响，让调制系数k随事件或环境自适应变化，记为kt，同时考虑信道的多径衰落特性，引入信道冲激响应ht与毫米波信号st进行卷积，更新后的经过混沌调制后的毫米波信号s’t为： 。

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安徽隼波科技有限公司，其通讯地址为：230088 安徽省合肥市高新区杨林路科技实业园B1栋4楼401室；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”。