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！

龙图腾网获悉天津津航计算技术研究所申请的专利一种用于水下目标识别的硬件加速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：CN115374925B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211058191.8，技术领域涉及：G06N3/063；该发明授权一种用于水下目标识别的硬件加速方法是由赵旭琛设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种用于水下目标识别的硬件加速方法在说明书摘要公布了：本申请提供一种用于水下目标识别的硬件加速方法，包括：获取样本集，所述样本集包括：辐射噪声DEMON谱和与所述辐射噪声DEMON谱对应的水下目标种类；构建1D‑CNN模型，以所述辐射噪声DEMON谱作为输入，以所述水下目标种类作为结果，对所述1D‑CNN模型进行训练，得到水下目标识别模型；利用代码描述所述水下目标识别模型的前向传播运算过程，得到前向传播运算代码；将所述前向传播运算代码封装成IP核；对所述IP核进行基于硬件层面的加速，获得优化IP核。通过改变模型的内部结构，各层之间相互连接但又独立设计，每部分的计算过程独立进行，并对各部分的计算过程和吞吐量进行分析以选择合适的基于硬件层间的加速策略，能够使模型能够兼顾实时性与低功耗的性能要求。

本发明授权一种用于水下目标识别的硬件加速方法在权利要求书中公布了：1.一种用于水下目标识别的硬件加速方法，其特征在于，包括: 获取样本集，所述样本集包括：辐射噪声DEMON谱和与所述辐射噪声DEMON谱对应的水下目标种类； 构建1D-CNN模型，以所述辐射噪声DEMON谱作为输入，以所述水下目标种类作为结果，对所述1D-CNN模型进行训练，得到水下目标识别模型； 利用代码描述所述水下目标识别模型的前向传播运算过程，得到前向传播运算代码； 将所述前向传播运算代码封装成IP核； 对所述IP核进行基于硬件层面的加速，获得优化IP核；所述水下目标识别模型包括：第一卷积层、第二卷积层、第一池化层、第二池化层、平坦层和全连接层；所述全连接层包括多个隐蔽层； 所述第一卷积层包括：4个长度为5的卷积核；所述第二卷积层包括：5个长度为3的卷积核；所述第一池化层和所述第二池化层的降采样倍数均为4； 所述水下目标识别模型的前向传播运算过程包括： 将所述DEMON谱输入到所述第一卷积层，经过卷积运算后输出4个2048个数据点的第一特征向量；所述DEMON谱为具有2048个数据点的一维频谱； 将所述第一特征向量输入所述第一池化层，经过4倍降采样后输出4个512个数据点的第二特征向量； 将所述第二特征向量输入所述第二卷积层，经过4倍降采样后输出4个128个数据点的第三特征向量； 将所述第三特征向量输入所述第二池化层，经过4倍降采样后输出4个32个数据点的第四特征向量； 将所述第四特征向量输入平坦层，再将经过所述平坦层计算的结果输入全连接层，经过softmax函数输出水下目标种类的识别结果； 对所述IP核进行基于硬件层面的加速的工具为VivadoHLS高层次综合工具；通过VivadoHLS高层次综合工具对所述IP核进行基于硬件层面的加速方法包括：数据类型量化、循环展开和循环分块； 所述循环展开的步骤包括： 将所述卷积核按照自身维度进行横轴方向展开，按照自身维度展开的展开度为Pkx； 一个时钟周期内，计算得出4个频点的值与卷积核对应不同位置的第一乘积； 根据第一加法树，将所述第一乘积两两相加得到第一中间结果；所述第一加法树的深度为log2Pkx； 对整个计算过程进行pipeline展开； 计算单次卷积运算消耗的延时；得到第一延时结果； 将所述第一特征向量、第二特征向量、第三特征向量和第四特征向量按照通道维度进行展开；按照通道维度展开的展开度为Pif； 一个时钟周期内，并行地从Pif个输入所述第一特征向量、第二特征向量、第三特征向量和第四特征向量的相同位置读取一个特征数据点与同一卷积核内的对应权重进行乘法运算；得到第二乘积； 根据第二加法树，将所述第二乘积两两相加得到第二中间结果；所述第二加法树的深度为log2pif； 对整个计算过程进行pipeline展开； 计算单次卷积运算消耗的延时；得到第二延时结果。

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天津津航计算技术研究所，其通讯地址为：300000 天津市东丽区空港经济区保税路357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。