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近场数据适应的远距离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：CN118841034B 。

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：202410810003.5，技术领域涉及：G10L25/51；该发明授权一种基于近场数据适应的远距离水声目标识别方法是由曾向阳;晋安其;王海涛;任树伟;雷烨设计研发完成，并于2024-06-21向国家知识产权局提交的专利申请。

本一种基于近场数据适应的远距离水声目标识别方法在说明书摘要公布了：本申请的实施例涉及水声目标识别技术领域，特别涉及一种基于近场数据适应的远距离水声目标识别方法，该方法包括：获取目标水声的音频数据，提取Mel谱特征并进行数据增强，得到增强后的Mel谱特征；将各增强后的Mel谱特征按照距离划分入K+T个子集中，K+T个子集包括K个近距离域和T个远距离域；将K个近距离域划分成K‑1个元训练域和1个元测试域；构建远距离水声目标识别模型；对模型在元训练域上进行聚合训练，并在元测试域上进行虚拟评估；对评估通过的模型在远距离域上进行最终测试，将测试通过的模型作为训练完成模型；将获取到的远距离水声的音频数据输入至训练完成的模型中，获得识别结果。该方法克服了传统方法在处理距离变化时的局限性。

本发明授权一种基于近场数据适应的远距离水声目标识别方法在权利要求书中公布了：1.一种基于近场数据适应的远距离水声目标识别方法，其特征在于，包括： 获取目标水声的音频数据，提取所述目标水声的音频数据的Mel谱特征，并对所述Mel谱特征进行数据增强，得到增强后的Mel谱特征； 根据各所述增强后的Mel谱特征对应的距离，将各所述增强后的Mel谱特征划分入K+T个子集中，所述K+T个子集包括K个近距离域和T个远距离域；其中，每个子集代表一个学习任务，K为大于1的整数，T为大于0的整数，所述远距离域对应的距离大于所述近距离域对应的距离； 将所述K个近距离域划分成K-1个元训练域和1个元测试域； 以ResNet18作为基础网络，引入跨域注意力机制，构建远距离水声目标识别模型； 对所述远距离水声目标识别模型在所有元训练域上进行聚合训练，并对聚合训练完成的远距离水声目标识别模型在元测试域上进行虚拟评估； 对虚拟评估通过的远距离水声目标识别模型在所有远距离域上进行最终测试，将测试通过的远距离水声目标识别模型作为训练完成的远距离水声目标识别模型； 将获取到的远距离水声的音频数据输入至训练完成的远距离水声目标识别模型中，获得训练完成的远距离水声目标识别模型输出的识别结果； 所述跨域注意力机制由跨域注意力模块实现，所述跨域注意力模块由并行的时间域注意力分支和频率域注意力分支组成，所述时间域注意力分支用于捕捉数据在时间维度上的变化，所述频率域注意力分支用于捕捉数据在频率维度上的变化； 所述跨域注意力模块的输入特征的大小为C×H×W，C为输入特征的通道数，H为输入特征的高，W为输入特征的宽，输入特征进入所述跨域注意力模块后，先经过全局池化层进行通道维度的压缩，得到大小为1×H×W的通道压缩后的特征，通道压缩后的特征分别进入所述时间域注意力分支和所述频率域注意力分支，得到大小为1×H×1的时间压缩后的特征和大小为1×1×W的频率压缩后的特征，最后将时间压缩后的特征、频率压缩后的特征和输入特征相乘，得到跨域注意力特征并输出； 所述对所述远距离水声目标识别模型在所有元训练域上进行聚合训练时所使用的聚合训练损失函数，通过以下公式表示： ； 其中，表示交叉熵损失，表示远距离水声目标识别模型的模型参数，表示第个元训练域的样本数，表示所述远距离水声目标识别模型对第个元训练域的第个样本的输出，表示第个元训练域的第个样本的标签，表示所述聚合训练损失函数； 所述对聚合训练完成的远距离水声目标识别模型在元测试域上进行虚拟评估时所使用的虚拟评估损失函数，通过以下公式表示： 其中，表示所述元测试域的样本数，表示交叉熵损失，表示聚合训练完成的远距离水声目标识别模型的模型参数，表示所述聚合训练完成的远距离水声目标识别模型对所述元测试域的第个样本的输出，表示所述元测试域的第个样本的标签，表示所述虚拟评估损失函数。

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 陕西省西安市碑林区友谊西路127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。