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！

龙图腾网获悉西北工业大学申请的专利一种基于一维卷积神经网络的海洋哺乳动物发声识别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：CN115762534B 。

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：202211378501.4，技术领域涉及：G10L17/26；该发明授权一种基于一维卷积神经网络的海洋哺乳动物发声识别方法是由杨长生;牛宇昂设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本一种基于一维卷积神经网络的海洋哺乳动物发声识别方法在说明书摘要公布了：本发明公开了一种基于一维卷积神经网络的海洋哺乳动物发声识别方法，首先对海洋哺乳动物的发声样本进行了预处理，其次设计了可用于海洋哺乳动物发声识别的一维卷积神经网络，直接对声信号进行识别，避免了将声信号转化为图像的步骤对识别结果带来的干扰，相较于原有的二维卷积神经网络，本发明设计的一维卷积神经网络拥有更高的识别效率和更良好的识别性能。

本发明授权一种基于一维卷积神经网络的海洋哺乳动物发声识别方法在权利要求书中公布了：1.一种基于一维卷积神经网络的海洋哺乳动物发声识别方法，其特征在于，包括如下步骤： 步骤1：采用海洋哺乳动物声音数据库，对数据库海洋哺乳动物发声音频中的发声部分进行标记并截取，获得海洋哺乳动物发声样本作为海洋哺乳动物发声数据集；再把海洋哺乳动物发声数据集随机分为训练集和测试集； 步骤2：构建海洋哺乳动物发声识别一维卷积神经网络1D-AlexNet模型； 所述一维卷积神经网络1D-AlexNet模型包括五个卷积层、三个池化层、一个金字塔池化层和三个全连接层；输入层之后是第一卷积层，卷积核大小为1×11；第二卷积层的卷积核大小为1×5，其余三个卷积层的卷积核大小均为1×3； 在第一卷积层之后是窗口大小为1×3步长为2的第一最大池化层，接下来是第二卷积层，第二卷积层后面再连接一个窗口大小为1×3步长为2的第二最大池化层，接下来是三个连续的卷积层，第五个卷积层之后又连接一个窗口大小为1×3步长为2的第三最大池化层；三个最大池化层都用于对特征矩阵进行降维； 在第三最大池化层后连接空间金字塔池化层，之后是三个连续的全连接层；在第一全连接层和第二全连接层之前采用Dropout函数随机失活20%的神经元； 所述空间金字塔池化层在应用时，需要预先设置空间金字塔池化层的级数以及各级采样窗口的尺寸，而后根据输入模型的样本大小和空间金字塔池化采样窗口的尺寸自适应调整空间金字塔池化层中内部进行池化操作的窗口大小和池化窗口的移动步长； 将大小为，深度为的数据样本输入空间金字塔池化层，空间金字塔池化层中某级采样窗口大小为，该级进行池化操作的窗口大小，池化窗口的移动步长为；池化窗口大小及池化窗口的移动步长计算方式包括： 通过判定值来判定，值的计算方式为： 当判定值满足时，池化窗口大小及其移动步长计算方式为： 当判定值满足时，则需要对输入数据样本进行填充，池化窗口大小计算方式不变，池化窗口移动步长为： 其中，在对输入数据样本进行填充时，对一维数据样本的双侧均进行填充，填充时补零个数的计算方法为： 输入输出大小的验证方法为： 式中，为输入特征矩阵尺寸，为经过补零填充后的数据大小，为卷积核尺寸，为卷积核移动步长，与分别为向下取整和向上取整； 一维卷积神经网络1D-AlexNet模型的分类函数均采用Softmax函数，损失函数采用交叉熵损失函数，反向传播优化算法采用Adam优化算法； 步骤3：将训练集输入海洋哺乳动物发声识别一维卷积神经网络1D-AlexNet模型进行训练，训练完成后最终实现对海洋哺乳动物的发声识别。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。