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！

龙图腾网获悉中国人民解放军海军航空大学申请的专利基于双重一维卷积注意力机制的复杂飞行动作小样本识别方法及装置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：CN117076999B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310828566.2，技术领域涉及：G06F18/241；该发明授权基于双重一维卷积注意力机制的复杂飞行动作小样本识别方法及装置是由任利强;王海鹏;贾舒宜;韩维;潘新龙;李超;万兵;宋山松;王翔;石治国设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本基于双重一维卷积注意力机制的复杂飞行动作小样本识别方法及装置在说明书摘要公布了：本发明针对小样本条件下复杂飞行动作识别的难题，提出基于双重一维卷积注意力机制的复杂飞行动作小样本识别方法及装置。首先，提出一种双路径一维卷积和特征融合模块，提取飞行数据的高低频融合特征；其次，引入了一种由通道和时间注意力组成的双重注意力机制模块使模型在通道维和时间维度上同时关注多维飞行动作序列的关键信息；第三，采用双向门控递归单元以进一步捕获不同时序位置的隐藏信息，并在双向门控递归单元层之后，应用全局平均池化进行降维处理和飞行动作识别。在小样本条件下，所提方法在提高识别正确率的同时，提高了模型的鲁棒性，填补了小样本条件下复杂飞行动作识别的空白。

本发明授权基于双重一维卷积注意力机制的复杂飞行动作小样本识别方法及装置在权利要求书中公布了：1.一种基于双重一维卷积注意力机制的复杂飞行动作小样本识别方法，其特征在于，该方法包括： S1、采集机载多传感器记录的飞行员飞行训练飞行参数序列数据，并进行机动动作分割处理； S2、对分割后的飞行动作子片段进行数据预处理，并构建训练数据集； S3、构建用于复杂飞行动作小样本识别的深度神经网络模型； S3-1、所述用于小样本条件下复杂飞行动作识别深度神经网络模型由双路径一维卷积模块、双重一维卷积注意力机制、双向门控循环单元网络和分类头组成； S3-2、所述双路径一维卷积模块用于捕捉飞参数据中的高低频融合特征，该模块采用两条路径分别从飞行数据中提取高低频特征，在一条路径中，通过使用1×9和1×5两个较大的卷积核来学习低频特征，在另一条路径中，采用四个小卷积核来加深神经网络，并整合了四个非线性激活层，以捕获具有辨别能力的深层特征，最后，来自双路径卷积层的特征通过元素相乘进行融合； S3-3、所述双重一维卷积注意力机制由通道注意力子模块和空间注意力子模块组成，用来同时关注两个主要维度的关键特征，并抑制不必要的特征； S3-4、所述双向门控循环单元网络用于进一步从前后两个方向捕捉时间序列不同位置的隐藏信息，双向门控递归单元网络后连接全局平均池层，在考虑最后一个双向门控递归单元输出的同时，还关注整个单元的输出，所述分类头由连接于全局平均池层后的一层全连接层构成，用来进行飞行动作类别判别； S4、创建损失函数，使用训练集对模型进行训练； S5、使用测试集对训练好的模型进行在线性能验证和实时飞行动作识别。

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人民解放军海军航空大学，其通讯地址为：264000 山东省烟台市芝罘区二马路188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”。

以上内容由龙图腾AI智能生成。