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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利一种基于配对编码网络和对比学习的舰船噪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：CN115329821B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211087510.8，技术领域涉及：G06F18/24；该发明授权一种基于配对编码网络和对比学习的舰船噪声识别方法是由王少博;王大宇;张博轩;李晋;罗恒光设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种基于配对编码网络和对比学习的舰船噪声识别方法在说明书摘要公布了：本发明提出了一种基于配对编码网络和对比学习的舰船噪声识别方法，属于舰船辐射噪声识别领域。本发明针对目标辐射噪声在频谱图上存在的伪装问题，利用基于对比的无监督学习思想，在保证模型实时效果的前提下，搭建了卷积神经网络和长短时记忆网络并进行两次映射。此外，本发明使用时序矩阵和交叉熵函数，迫使模型丢弃样本的原始声学无用信息和噪声，并学习不同目标之间的高级特征区别，提高了识别目标时的准确性。本发明通过对比学习思想重构损失函数，在保证模型简单结构的同时，达到了实时识别准确率高的效果，还有效解决了舰船目标伪装自己的频谱图，干扰现有识别系统的问题。

本发明授权一种基于配对编码网络和对比学习的舰船噪声识别方法在权利要求书中公布了：1.一种基于配对编码网络和对比学习的舰船噪声识别方法，其特征在于，包括以下步骤： 步骤1，将水听器接收的长时段船舰噪声信号划分为固定时长的信号样本，通过卷积神经网络将信号样本映射到特征空间，得到每个信号样本的第一特征张量； 步骤2，构建由一层长短时记忆层构成的循环神经网络，将步骤1得到的第一特征张量按照信号样本的时序依次输入循环神经网络，得到对应的第二特征张量；其中，前一时刻的第二特征张量保存在长短时记忆层中，并融合在后一时刻的第二特征张量中； 步骤3，构建交叉熵形式的损失函数，根据第一特征张量和第二特征张量计算损失值； 步骤4，构建第一优化器和第二优化器，第一优化器对卷积神经网络进行优化，第二优化器对卷积神经网络和循环神经网络的组合进行优化，每个优化器均利用步骤3计算的损失值，通过梯度反向传播方法对相应的神经网络的网络参数进行更新，得到训练好的卷积神经网络和循环神经网络； 步骤5，将待识别船舰噪声信号输入训练好的卷积神经网络，得到相应的第一特征张量，将其展平为向量，然后通过全连接层，再通过softmax分类器得到分类结果，完成对船舰噪声信号的识别。

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中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号第五十四所电子战部；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”。