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！

龙图腾网获悉安徽大学申请的专利一种基于阵列扩展与SE移动反向瓶颈卷积神经网络的声源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：CN119767201B 。

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：202411877044.2，技术领域涉及：H04R1/32；该发明授权一种基于阵列扩展与SE移动反向瓶颈卷积神经网络的声源识别方法是由耿林;丁思远;凌志;张鸽设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于阵列扩展与SE移动反向瓶颈卷积神经网络的声源识别方法在说明书摘要公布了：本发明涉及一种基于阵列扩展与SE移动反向瓶颈卷积神经网络的声源识别方法，包括：获取利用声压互谱矩阵计算MUSIC算法的18阵列声源分布图，将18阵列声源分布图输入EAG‑U‑Net数据转换模型，将18阵列声源分布图转换成64阵列声源分布图，达到扩展麦克风阵列的效果，该模型引入EAG机制在空间维度和通道维度上优化模型特征选择，提高模型在数据转化过程的表示能力和准确性，生成数据转换后的声学成像图；将64阵列声源分布图输入基于SE注意力机制的移动反向瓶颈卷积神经网络模型进行特征提取和图像重建，获取预测声源分布图。通过预测声源分布图，进行局部极大值检测，获取声源定位和强度。

本发明授权一种基于阵列扩展与SE移动反向瓶颈卷积神经网络的声源识别方法在权利要求书中公布了：1.一种基于阵列扩展与SE移动反向瓶颈卷积神经网络的声源识别方法，其特征在于，方法包括： 步骤1：获取声压互谱矩阵，利用所述声压互谱矩阵计算MUSIC算法的18阵列声源分布图和64阵列声源分布图； 步骤2：将所述18阵列声源分布图输入EAG-U-Net数据转换模型，获取转换后的64阵列声源分布图；所述EAG-U-Net数据转换模型是以18阵列声源分布图为输入，以64阵列声源分布图为标签训练获得； 步骤3：将所述转换后的64阵列声源分布图输入SE-MBCNet网络模型，获取预测声源分布图；所述SE-MBCNet网络模型是以数据转换后的64阵列声源分布图为输入，以目标图为标签训练获得； 获取所述预测声源分布图包括： 步骤3.1：将数据转换后的64阵列声源分布图输入SE-MBCNet网络模型的双层卷积模块，所述双层卷积模块用于对数据转换后的64阵列声源分布图进行初步的特征提取；所述双层卷积模块包括两个连续的3×3卷积操作、批量标准化层BN和激活函数ReLU； 步骤3.2：将提取的初步特征输入SE-MBCNet网络模型的编码器模块，所述编码器模块用于对初步特征提取后的特征图进行多层次的语义信息和特征编码；所述编码器模块由四个SE注意力机制的MBConv层和最大池化层组成，通过连续提取图像特征并进行下采样，逐步提取第二高级特征；所述SE注意力机制的MBConv层包括：深度可分离卷积、SE注意力机制和残差连接； 步骤3.3：将SE-MBCNet网络模型的编码器模块处理后的特征图输入解码器，用于恢复高分辨率特征图；所述解码器被分为四个阶段，每个阶段的解码器块与编码器的对应层通过跳跃连接直接进行特征图的拼接，将下采样的特征图和上采样的特征图合并，增强恢复图像的特征；编码器块是由SE注意力机制的MBConv层和上采样层组成，保留细节信息，从而避免在上采样过程中丢失重要特征； 步骤3.4：通过网络末端的1×1卷积层，获得最终带有声源位置坐标和强度信息的预测声源分布图； 步骤4：对所述预测声源分布图进行局部极大值检测，获取声源定位和强度。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111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。