吉林大学黄兴国获国家专利权
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！
龙图腾网获悉吉林大学申请的专利一种基于深度学习的深海水声传播损失预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：CN119882059B 。
龙图腾网通过国家知识产权局官网在2025-07-22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：202510360762.0，技术领域涉及：G01V1/30；该发明授权一种基于深度学习的深海水声传播损失预测方法是由黄兴国;柴小帅设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。
本一种基于深度学习的深海水声传播损失预测方法在说明书摘要公布了：本申请属于海洋探测技术领域，具体涉及一种基于深度学习的深海水声传播损失预测方法，包括获取一维声速剖面；对所述一维声速剖面预处理得到二维速度模型，将所述二维速度模型转化为带有位置编码的时空特征数据；采用注意力机制计算时空特征数据之间的相关性得到多个并行的注意力头的第一输出，对所述第一输出融合后进行特征映射形成第二输出；对所述第二输出的特征进行卷积降维操作得到降维特征；将降维特征与声源信息进行通道加权融合；将降维特征映射回二维空间信息特征，并交叉使用卷积和转置卷积与声源信息相结合，将结合后的特征进行卷积输出水声传播损失分布。能够准确预测传播损失的干涉条纹等关键细节，适合复杂的深海波导环境。
本发明授权一种基于深度学习的深海水声传播损失预测方法在权利要求书中公布了：1.一种基于深度学习的深海水声传播损失预测方法，其特征在于，包括： 获取一维声速剖面； 基于训练后的深度学习网络对一维声速剖面进行处理，并输出水声传播损失分布；包括： 对所述一维声速剖面预处理得到二维速度模型，将所述二维速度模型转化为带有位置编码的时空特征数据； 采用注意力机制计算时空特征数据之间的相关性得到多个并行的注意力头的第一输出，对所述第一输出融合后进行特征映射形成第二输出； 对所述第二输出的特征进行卷积降维操作得到降维特征； 将降维特征与声源信息进行通道加权融合，包括：将所述声源信息的坐标信息进行归一化处理，将所述声源信息的频率信息转换为对数尺度，通过轻量级MLP将声源信息映射到高维向量，通过全连接网络将高维向量生成通道权重向量，在每个通道将降维特征与通道权重向量相乘； 将降维特征映射回二维空间信息特征，并交叉使用卷积和转置卷积与声源信息相结合，将结合后的特征进行卷积输出水声传播损失分布。
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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号