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！

龙图腾网获悉西北工业大学申请的专利一种基于数据增强和残差CNN的水声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：CN115438686B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202210910262.6，技术领域涉及：G06F18/213；该发明授权一种基于数据增强和残差CNN的水声目标识别方法是由汪勇;姚琦海;杨益新设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种基于数据增强和残差CNN的水声目标识别方法在说明书摘要公布了：本发明涉及一种基于数据增强和残差CNN的水声目标识别方法，主要包括提取水声目标MFCC特征、数据增强处理和ResNet18模型识别，充分发挥了数据增强技术的数据扩充优势和残差CNN模型的深层特征挖掘能力，有效识别水声目标。本研究采用DCGAN模型，DCGAN具有优异的生成图像架构，DCGAN判别器通过引入CNN模型可提取到更深层的图片特征，在图像生成和分类上具有较大的优势。分类模型采用具有残差连接的ResNet18模型，本研究在ResNet18模型的基础上，去掉其中的池化层，保留更多水声特征信息，调节网络模型的尺寸，从而与本研究输入的特征图像相适应。本研究在水声目标样本数据相对稀缺的场景中，利用数据增强技术和残差CNN模型，实现了水声目标的有效识别。

本发明授权一种基于数据增强和残差CNN的水声目标识别方法在权利要求书中公布了：1.一种基于数据增强和残差CNN的水声目标识别方法，其特征在于步骤如下： 步骤1：提取各个类别水声目标信号的MFCC特征； 步骤2：将每5个连续帧MFCC特征并联拼接生成一个二维矩阵，此二维矩阵可绘制为彩图，以此作为单个样本的输入特征图像，即初始特征图像，各个类别均选取其中34的图片样本用于模型的训练和验证，剩余的14用于模型的测试； 步骤3：采用传统数据增强技术，设置多个图像对比度范围，得到不同对比度范围的生成图，并设置图像水平和垂直方向的缩放范围和平移范围； 步骤4：将特征图像输入深度卷积生成对抗网络DCGAN模型训练，DCGAN模型包括鉴别器和生成器，两个网络通过对抗共同进步，以达到样本生成的最佳效果，从而输出得到相应的生成特征图像； 步骤5：在ResNet18模型的基础上搭建残差CNN分类模型，去掉其中的池化层，并调节其输入层、全连接层和输出层换为适合识别任务的尺寸，将该残差CNN模型作为识别任务的分类模型，并将特征图像转化为与ResNet18模型中的卷积层尺寸相匹配的尺寸； 步骤6：将初始特征图像、步骤3经过调节对比度处理和步骤4深度卷积生成对抗网络DCGAN模型的多个生成特征图像均作为残差CNN模型的输入特征，对残差CNN模型进行训练，并对测试数据以及数据识别。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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。