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基于自适应多项式核函数和多模态融合的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：CN120910813B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511447277.3，技术领域涉及：G06F18/25；该发明授权基于自适应多项式核函数和多模态融合的目标识别方法是由赵大卫;段兴杰;竺德;高清维;孙冬;王子航设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本基于自适应多项式核函数和多模态融合的目标识别方法在说明书摘要公布了：本发明公开了一种基于自适应多项式核函数和多模态融合的目标识别方法，属于目标识别技术领域，目标识别方法包括：获取待识别目标的原始信号，基于小波阈值去噪算法对所述原始信号预处理生成待分析信号；对待分析信号进行多模态时频分析，输出三类时频特征图；将三类时频特征图进行动态加权融合处理生成融合时频特征张量，并经过卷积神经网络处理后生成时序特征向量；将时序特征向量分别输入至卷积神经网络和梯度提升回归树GBRT模型进行处理后输出基于目标类别的初步识别结果和特性验证结果完成目标识别。本发明通过多模态分析技术，结合短时傅里叶变换与小波变换的优势，实现目标的准确识别。

本发明授权基于自适应多项式核函数和多模态融合的目标识别方法在权利要求书中公布了：1.基于自适应多项式核函数和多模态融合的目标识别方法，其特征在于，包括如下步骤： 获取待识别目标的原始信号，基于小波阈值去噪算法对所述原始信号预处理生成待分析信号； 对所述待分析信号进行多模态时频分析，输出基于自适应多项式核函数的第一时频特征图、基于Wigner-Ville分布WVD的第二时频特征图以及基于短时傅里叶变换STFT的第三时频特征图； 将所述第一时频特征图、第二时频特征图以及第三时频特征图进行动态加权融合处理生成融合时频特征张量，并经过卷积神经网络处理后生成时序特征向量； 将所述时序特征向量分别输入至卷积神经网络和梯度提升回归树GBRT模型进行处理后输出基于目标类别的初步识别结果和特性验证结果； 根据目标类别的初步识别结果和特性验证结果进行目标识别； 其中，对所述待分析信号进行多模态时频分析，输出基于自适应多项式核函数的第一时频特征图的步骤具体包括： 对所述待分析信号进行分帧和局部特征提取后生成局部能量分布和频率变化率； 构建含有高阶项的自适应多项式核函数，表示为： ； 表示第帧的多项式系数，表示多项式阶数，表示时间轴变量，表示小波变换中的位移积分变量，为能量权重因子，，为时的能量分布，为第帧的中心时刻，表示时第1帧至第帧局部能量分布的最大值； 基于粒子群优化算法对所述多项式系数进行优化得到第帧的最优多项式系数，以及最优自适应多项式核函数； 基于所述最优自适应多项式核函数得到适配所述待分析信号非线性瞬时频率特征的时频分布，并输出第一时频特征图。

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 安徽省合肥市经济技术开发区九龙路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。