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！

龙图腾网获悉北京航空航天大学申请的专利一种基于自适应对消与ResNet神经网络的机载水下异常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：CN116894223B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202310895529.3，技术领域涉及：G06F18/2433；该发明授权一种基于自适应对消与ResNet神经网络的机载水下异常检测方法是由胡庆雷;杨洪易;郑建英;崔勇设计研发完成，并于2023-07-20向国家知识产权局提交的专利申请。

本一种基于自适应对消与ResNet神经网络的机载水下异常检测方法在说明书摘要公布了：本发明涉及一种基于自适应对消与ResNet神经网络的机载水下异常检测方法，包括以下步骤：首先，配置机载磁电天线与磁场传感器之间保持距离固定；其次，机载磁电天线向水下发射低频电磁波信号，机载磁通门计接收三轴磁场强度，包括天线一次场与水下金属异常涡流效应的二次场；然后，利用自适应对消技术实现接收信号中二次场的分离，得到目标有用信号；最后利用滑窗方式按照天线发射信号周期完成二次场时序信号的分割处理，并送入预训练的ResNet神经网络中完成异常信号有无的检测与识别。本发明便于开展大面积水下异常金属探测，同时预训练模型分析处理速度较快、准确率较高，是一种便捷性与可信度兼具的水下异常检测方法。

本发明授权一种基于自适应对消与ResNet神经网络的机载水下异常检测方法在权利要求书中公布了：1.一种基于自适应对消与ResNet神经网络的机载水下异常检测方法，其特征在于，包括以下步骤： （1）在无异常物体的水域使用自适应对消系统进行训练，对其中自适应滤波器的参数进行迭代直至收敛，使得估计的噪声信号和实际的噪声信号之间的均方误差最小，存储收敛的滤波器参数； （2）在步骤（1）的基础上使用已训练好的自适应滤波器参数，对磁场传感器接收到的混合信号进行自适应滤波，抵消一次场信号，提取出比较纯净的三轴时序二次场信号； （3）在步骤（2）的基础上按照磁电天线发射电磁波周期设计滑动窗，对自适应滤波得到的三轴时序二次场信号进行分割得到三轴二次场数据； （4）在步骤（3）的基础上将三轴二次场数据输入ResNet神经网络，并使用预训练权重完成对目标信号有无的二分类检测； 利用预训练ResNet网络完成对目标信号的分类，选用ResNet18神经网络架构，即包含18层权重层的ResNet神经网络，全部网络按功能可以分为权重层与规范化层，各权重层内包含汇聚层、激活函数、线性全连接层，进行卷积运算；规范化层包含数据批量归一化与汇聚层，进行数据的归一化处理与数据量缩减，便于后续运算处理； 特征信号首先进入第一个卷积层，对数据特征进行预处理，其输出通道数表达式满足下式子： 其中，为输出通道数，为输入通道数，为图像填充数，为卷积核大小，为步长； 卷积后信号进入规范化层，进行批量归一化处理与最大汇聚处理，该汇聚层不改变数据通道的数量，只改变了数据的大小； 归一化信号数据随后通过多个权重层，在ResNet18中共包含四个残差块，引入残差的映射对输出的变化更加敏感，对权重优化的效果更好；在残差块内，信号特征顺序通过两个卷积层，并引入了恒等映射以解决神经网络产生的梯度消失以及网络退化问题，该映射表示为： 其中，表示恒等映射，表示残差，为输入； 在输入与输出同等维度下，残差块表达式如下： 其中，为输入，为输出，表示求和之前的网络映射关系即残差，表示本残差块内网络的权重的集合。若维度不同，则表达为： 信号经过残差块后输入平局汇聚层并经过全连接层softmax分类，表达式如下： 其中，为全连接层的输入元素的第个元素； 在预训练过程中利用事先采集的数据按照同样方式进行数据处理与分类，选用交叉熵函数作为损失函数，选用Adam优化器对损失函数进行优化，使用dropout方法防止过拟合发生，模型最终收敛完成后可以较快实现对输入信号的分类。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。