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！

龙图腾网获悉中国科学院声学研究所申请的专利一种基于时频图的水声通信信号调制识别方法及系统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：CN120474883B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510554931.4，技术领域涉及：H04L27/00；该发明授权一种基于时频图的水声通信信号调制识别方法及系统是由巩文静;王宇杰;李宇;刘纪元;黄海宁设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种基于时频图的水声通信信号调制识别方法及系统在说明书摘要公布了：本申请提供了一种基于时频图的水声通信信号调制识别方法及系统，所述方法包括：对采集的水声通信信号进行预处理；将预处理后的水声通信信号，使用短时傅里叶变换法生成时频图像；将时频图像输入训练好的基于注意力机制的生成对抗网络去噪模型，输出降噪后的时频图；将降噪后的时频图像输入训练好的基于卷积神经网络的水声通信信号特征提取与识别模型，得到信号识别结果。本发明有效解决了水声通信信号在噪声干扰环境下调制识别困难的问题，通过注意力机制引导模型关注时频图的关键特征区域，提高了识别精度。

本发明授权一种基于时频图的水声通信信号调制识别方法及系统在权利要求书中公布了：1.一种基于时频图的水声通信信号调制识别方法，包括： 对采集的水声通信信号进行预处理； 将预处理后的水声通信信号，使用短时傅里叶变换法生成时频图像； 将时频图像输入训练好的基于注意力机制的生成对抗网络降噪模型，输出降噪后的时频图像； 将降噪后的时频图像输入训练好的基于卷积神经网络的特征提取与识别模型，得到水声通信信号识别结果； 所述基于注意力机制的生成对抗网络去噪模型，包括生成器和判别器； 其中，生成器的具体结构包括： 第一全连接层、第一转置卷积层、第一注意力模块、第二转置卷积层、第二注意力模块和第一输出层；其中， 所述第一全连接层：是所述生成器的起点，用于将低维度的随机噪声向量扩展为高维度的特征表示，包括128个神经元； 所述第一转置卷积层：包括128个卷积核，卷积核大小为4×4，步长为2，激活函数为LeakyReLU，在激活函数之前进行归一化处理，该层用于对特征图进行上采样，增加空间维度，同时学习特征表示； 所述第一注意力模块：用于自适应地调整不同特征通道的重要性权重； 所述第二转置卷积层：包括64个卷积核，卷积核大小为4×4，步长为2，激活函数为LeakyReLU，在激活函数之前进行归一化处理，该层进一步对特征图进行上采样，并继续特征转换； 所述第二注意力模块：用于在最终输出前再次调整通道特征权重； 所述第一输出层：为一个卷积层，用于生成最终的降噪时频图，激活函数为tanh； 判别器的具体结构包括： 第一卷积层、第二卷积层、第三卷积层、第四卷积层和第二全连接层；其中， 所述第一卷积层：包括32个卷积核，卷积核大小为3×3，步长为2，激活函数为LeakyReLU，在激活函数之前进行归一化处理，该层作为判别器的输入层，用于从原始时频图中提取基本特征和降维； 所述第二卷积层：包括64个卷积核，卷积核大小为3×3，步长为2，激活函数为LeakyReLU，在激活函数之前进行归一化处理，该层用于进一步完成特征提取； 所述第三卷积层：包括128个卷积核，卷积核大小为3×3，步长为2，激活函数为LeakyReLU，在激活函数之前进行归一化处理，该层用于学习更高级的抽象特征； 所述第四卷积层：包括256个卷积核，卷积核大小为3×3，步长为1，激活函数为LeakyReLU，在激活函数之前进行归一化处理，该层为后续的全连接层提供高维特征表示； 所述第二全连接层：激活函数为sigmoid，用于将输出压缩到[0,1]区间，表示输入图像是真实还是生成的概率； 所述基于注意力机制的生成对抗网络去噪模型的损失函数为： ； 其中，和分别表示真实图像的分布与生成图像的分布；表示图片样本；表示对服从真实图像分布的样本x进行计算后求期望值；表示对服从生成图像分布的样本x进行计算后求期望值；表示输入生成器的噪声；表示生成器生成的图片；表示判别器判断真实图片是否真实的概率；是判别器判断生成器生成的图片是否真实的概率；为真实样本与生成样本的差异程度。

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中国科学院声学研究所，其通讯地址为：100190 北京市海淀区北四环西路21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。