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！

龙图腾网获悉中国船舶重工集团公司第七一五研究所申请的专利一种基于多平台听觉感知特征深度迁移学习的小样本水中目标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：CN114202056B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202111346434.3，技术领域涉及：G06F18/241；该发明授权一种基于多平台听觉感知特征深度迁移学习的小样本水中目标识别方法是由陈越超;王方勇;周彬;王青翠;陈孝森;尚金涛设计研发完成，并于2021-11-11向国家知识产权局提交的专利申请。

本一种基于多平台听觉感知特征深度迁移学习的小样本水中目标识别方法在说明书摘要公布了：本发明提出一种基于多平台听觉感知特征深度迁移学习的水中目标识别方法，通过建立由MFCC特征提取网络、GFCC特征提取网络、CFCC特征提取网络和融合识别网络组成的多深度学习联合判决模型，另一方面，建立多平台数据迁移学习体制，针对方法应用平台小样本数据条件的情况，充分利用其他声纳平台目标数据、仿真声纳目标数据、说话人语音数据等具备特征可借鉴性的数据对深度学习模型进行迁移学习训练。该方法与传统基于物理特征的目标识别方法相比，特征挖掘和利用更为深入和全面，同时和单纯基于本平台数据驱动的智能化识别模型相比，数据利用范围更为广泛，模型训练过程不容易过拟合，本方法可提升小样本条件下的声纳目标识别能力。

本发明授权一种基于多平台听觉感知特征深度迁移学习的小样本水中目标识别方法在权利要求书中公布了：1.一种基于多平台听觉感知特征深度迁移学习的小样本水中目标识别方法，其特征在于，所述方法包括以下步骤： 构建面向多维水中目标听觉感知特征的多深度学习联合判决模型，构建方法为： 构建MFCC特征提取网络、GFCC特征提取网络和CFCC特征提取网络，将上述3个特征提取网络并行放置并在顶部依次添加融合识别网络、支持向量机分类器；所述融合识别网络为两层感知机网络； 所述MFCC特征提取网络、GFCC特征提取网络或CFCC特征提取网络的构建方法为： 添加数据输入层； 添加第一卷积层，第一卷积层参数为48×1，144，4；添加Irn层； 添加第二卷积层，第二卷积层参数为16×1，192，2； 添加第三卷积层，第三卷积层参数为7×1，256，1；添加lrn层； 添加第一池化层，第一池化层参数为3×1，2； 添加三个基本ResNet-Inception模块； 添加第四卷积层，第四卷积层参数为3×1，384，1； 添加第五卷积层，第五卷积层参数为3×1，512，1； 添加第二池化层，第二池化层参数为3×1，2； 添加全连接层，输出节点数量为256； 所述基本ResNet-Inception模块的构建方法为： 在数据输入层之后添加3个并行分支，分支1为直接分支；分支2包括2个卷积层，各卷积层参数依次为1×1，128，1、3×3，128，1；分支3包括2个卷积层，各卷积层参数依次为1×3，128，1、3×1，128，1；在分支2和3之后加入特征维扩展操作，通过整合两个分支输出特征，得到综合特征集输出，特征总数量为256；在分支1输出特征和综合特征集之后加入直接相加求和操作，得到基本ResNet-Inception模块的顶层特征，再加入ReLU激活函数，输出最终卷积特征； 初始化多深度学习联合判决模型参数，包括： 基于MFCC、GFCC、CFCC听觉感知滤波器构建方法，按设定的频段分别生成48通道的听觉感知滤波器系数，每个听觉感知滤波器均为48维向量，通过对所有听觉感知滤波器进行整合以形成48×144的矩阵，并分别对MFCC特征提取网络、GFCC特征提取网络、CFCC特征提取网络的第一卷积层进行参数初始化； 构建多深度学习联合判决模型的损失函数J，并设定训练时的训练参数； 基于多平台数据，生成多平台样本集为：利用说话人语音数据集、仿真声纳目标数据集、其他声纳平台目标数据集和待应用小样本声纳平台目标数据集，基于MFCC、GFCC和CFCC听觉感知滤波器，根据需求设置数据处理上下限频率，生成相应听觉感知特征样本，构建多平台样本集； 基于多平台样本集对多深度学习联合判决模型展开多层级迁移学习训练，包括以下步骤： 对多深度学习联合判决模型进行初始化训练，包括： 循环优化步骤，从说话人语音样本集中随机选取固定数量的样本并基于梯度下降方法对损失函数J进行若干轮次优化，之后从仿真声纳目标样本集中随机选取固定数量的样本并基于梯度下降方法对损失函数J进行若干轮次优化； 重复上述循环优化步骤直至循环优化次数达到预设循环轮次数，直至损失函数收敛到预期门限； 对多深度学习联合判决模型开展初级迁移学习训练，包括： 保留初始化训练时MFCC特征提取网络、GFCC特征提取网络、CFCC特征提取网络的结构参数，随机初始化融合识别网络结构参数，从其他声纳目标样本集中随机选取固定数量的样本并基于梯度下降方法对损失函数J进行若干轮次优化，直至损失函数收敛到预期门限； 对多深度学习联合判决模型开展进阶迁移学习训练，包括以下步骤： 提取多深度学习联合判别模型的第一局部网络结构并保留网络结构参数，得到特征提取模型SE＝{sM，sG，sC}，所述第一局部网络结构包括MFCC特征提取网络、GFCC特征提取网络、CFCC特征提取网络中对应的3个基本ResNet-Inception模块及以前的网络结构sM、sG、sC； 提取多深度学习联合判别模型的第二局部网络结构并组建为特征识别模型SR，构造特征识别模型SR的损失函数Jm；所述第二局部网络结构为MFCC特征提取网络、GFCC特征提取网络、CFCC特征提取网络中对应的第四卷积层lM、lG、lC至softmax分类器的网络结构； 通过SE对待应用小样本声纳平台目标样本集中的全部样本进行特征提取，得到特征样本集xE＝{xE，1，xE，2，…，xE，n，xE，n＝xM，n，xG，n，xC，n，n∈N*}，其中特征样本xE，n包含一组三个特征xM，n、xG，n和xC，n，分别对应sM、sG、sC的特征提取结果； 对模型SR结构参数进行随机初始化； 从xE中随机选取固定数量的特征样本并基于梯度下降方法对损失函数Jm进行若干轮次优化，直至损失函数收敛到预期门限； 重新整合SE和SR，得到训练后的多深度学习联合判决模型SD； 对未知水中目标辐射噪声数据进行预处理，对预处理结果采用训练后的多深度学习联合判决模型进行目标识别，输出识别结果。

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船舶重工集团公司第七一五研究所，其通讯地址为：310023 浙江省杭州市西湖区留下街道屏峰715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”。