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！

龙图腾网获悉北京理工大学;北京理工大学前沿技术研究院申请的专利一种基于多尺度特征融合的复杂振翅模式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：CN115565041B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202211194079.7，技术领域涉及：G06V10/80；该发明授权一种基于多尺度特征融合的复杂振翅模式识别方法是由王锐;王廉钧;李卫东;胡程设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种基于多尺度特征融合的复杂振翅模式识别方法在说明书摘要公布了：本发明涉及一种基于多尺度特征融合的复杂振翅模式识别方法，特别涉及一种基于多尺度特征融合的空中生物振翅模式识别方法，属于昆虫雷达技术领域。本发明公开了一种基于多尺度特征融合的深度学习架构，实现了空中生物目标复杂振翅模式的辨识。利用雷达测量的空中生物目标时域回波，使用短时傅里叶变换求解目标的时频分析结果，然后对图片进行标准化处理后，使用多尺度特征提取融合的卷积神经网络进行振翅模式辨识。

本发明授权一种基于多尺度特征融合的复杂振翅模式识别方法在权利要求书中公布了：1.一种基于多尺度特征融合的振翅模式识别方法，其特征在于该方法的步骤包括： 步骤一、对时域回波进行短时傅里叶变换，得到时频分析结果图； 步骤二、对步骤一得到的时频分析结果图进行标准化处理，得到标准化处理图，再对得到的标准化处理图进行筛选，得到三种振翅模式目标数据集，三种振翅模式目标数据集分别为持续振翅模式目标数据集、拍停振翅模式目标数据集和无规律振翅模式目标数据集； 步骤三、根据步骤二得到的三种振翅模式目标数据集构建多尺度融合的神经网络结构； 步骤四、使用步骤二得到的三种振翅模式目标数据集训练步骤三得到的多尺度融合的神经网络结构； 步骤五、将待测试数据导入步骤四训练后的神经网络结构中，得到振翅模式的识别结果； 所述的步骤三中，构建的多尺度融合的神经网络结构包括特征提取部分和特征融合部分，特征提取部分包括四个残差块，四个残差块顺序连接，每个残差块由两个卷积块组成，卷积块由第一卷积层、激活函数和第二卷积层构成，卷积块的输出表示为： 其中x为卷积块输入，为第二卷积层的输出，为卷积块的输出； 构建多尺度融合的神经网络结构的方法，步骤包括： 第一步，计算四个残差块的特征提取结果，四个残差块分别为第一个残差块、第二个残差块、第三个残差块、第四个残差块，第一个残差块的特征提取结果为F1，第二个残差块的特征提取结果为F2，第三个残差块的特征提取结果为F3，第四个残差块的特征提取结果为F4； 第二步，将第一个残差块的特征提取结果F1、第二个残差块的特征提取结果F2和第三个残差块的特征提取结果F3通过1×1卷积块调整至通道数与第四个残差块的特征提取结果F4的通道数一致，然后将调整后的第一个残差块的特征提取结果F’1、第二个残差块的特征提取结果F’2、第三个残差块的特征提取结果F’3以及第四个残差块的特征提取结果F4分别进入自适应滑窗池化层，并将第一个残差块的特征提取结果F’1、第二个残差块的特征提取结果F’2、第三个残差块的特征提取结果F’3以及第四个残差块的特征提取结果F4的特征图尺寸调整一致； 第三步，将第二步特征图尺寸调整一致后的第一个残差块的特征提取结果F’1的多尺度特征用全连接拉伸为一维向量，将特征图尺寸调整一致后的第二个残差块的特征提取结果F’2的多尺度特征用全连接拉伸为一维向量，将特征图尺寸调整一致后的第三个残差块的特征提取结果F’3的多尺度特征用全连接拉伸为一维向量，将特征图尺寸调整一致后的第四个残差块的特征提取结果F’4的多尺度特征用全连接拉伸为一维向量； 第四步，采用多尺度注意力机制，将第三步得到的一维向量、一维向量、一维向量和一维向量进行相加融合，得到融合后的特征由下式表示： 其中，N=1,2,3,4，代表网络注意力机制对于该尺度特征重要性学习的参数； 第五步，第四步得到的融合后的特征通过全连接层进行线性映射，得到总类别数量大小的向量，向量进入Softmax分类层，得到辨识结果，向量中第n个节点隶属于各类概率如下所示： 其中，c代表类别序号，C代表总类别数，c=1,2,…,C，依次计算第n个节点输出值n=1,2,…,C属于各类的概率后，取其中的最大值即为目标所属类别，完成多尺度融合的神经网络结构的构建。

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北京理工大学;北京理工大学前沿技术研究院，其通讯地址为：100081 北京市海淀区中关村南大街5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。