Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军海军工程大学谭思炜获国家专利权

中国人民解放军海军工程大学谭思炜获国家专利权

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!

龙图腾网获悉中国人民解放军海军工程大学申请的专利一种基于声磁复合交会特征融合的区域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:CN120408484B

龙图腾网通过国家知识产权局官网在2025-12-26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:202510366570.0,技术领域涉及:G06F18/25;该发明授权一种基于声磁复合交会特征融合的区域识别方法是由谭思炜;张林森;唐波;徐立;暴小鹏;周浩设计研发完成,并于2025-03-26向国家知识产权局提交的专利申请。

一种基于声磁复合交会特征融合的区域识别方法在说明书摘要公布了:本发明公开了一种基于声磁复合交会特征融合的区域识别方法,包括如下步骤:步骤一:使用电磁、水声传感器采集n维电磁、声复合交会特征量,形成n维交会特征数据S={S1,S2,…Sn};步骤二:对n维交会特征数据S进行一致性预处理,转换成目标区域识别支持度X={X1,X2,…Xn};步骤三:根据给定的各特征量的最优置信度Cbest={C1,C2,…Cn},计算特征组合可靠度系数λ;步骤四:求解所有可能的特征组合{Ai}的可靠度M{Ai};步骤五:由第jj=1,2,…m位目标区域识别支持度Xi,ji=1,2,…n计算该位复合特征数据下的所有特征组合{Ai}的复合值FjAi;步骤六:由第jj=1,2,…m位目标区域识别支持度Xi,ji=1,2,…n计算该位复合特征数据下的所有特征组合{Ai}的可信度RjAi;步骤七:求解电磁、声复合探测的第jj=1,2,…m位n维交会特征数据的融合结果WjS;步骤八:跳转至步骤五,直至j=m,得最终融合结果WS。

本发明授权一种基于声磁复合交会特征融合的区域识别方法在权利要求书中公布了:1.一种基于声磁复合交会特征融合的区域识别方法,其特征在于,包括如下步骤: 步骤一:使用电磁、水声传感器采集维电磁、声复合交会特征量,形成维交会特征数据S={S1,S2,…Sn},每个特征量的数据长度为; 步骤二:根据特征量局部决策原则,对维交会特征数据进行一致性预处理,转换成目标区域识别支持度X={X1,X2,…Xn}; 步骤三:根据给定的各特征量的最优置信度Cbest={C1,C2,…Cn},计算特征组合可靠度系数; 步骤四:求解所有可能的特征组合的可靠度; 步骤五:由第位目标区域识别支持度计算该位复合特征数据下的所有特征组合的复合值,其中j=1,2,…m,其中i=1,2,…n; 步骤六:由第位目标区域识别支持度计算该位复合特征数据下的所有特征组合的可信度; 步骤七:根据特征组合的可信度和可靠度,求解电磁、声复合探测的第位维交会特征数据的融合结果; 步骤八:跳转至步骤五,直至,即完成所有交会特征数据的融合,得最终融合结果; 步骤一中,所述的维电磁、声复合交会特征量,包括电磁场交会特征量:通过电磁传感器接受的轴的电磁场强度和相位信息,以及轴的电磁场强度; 还包括声场交会特征数据:目标噪声的声压幅值和目标方位区间; 步骤二中,对维交会特征数据进行一致性预处理操作时,公式如下: ; 其中,为第维特征的第个数据点的一致性处理结果,表示第维特征的第个数据点,表示第个交会点; 步骤三中,计算特征组合可靠度系数时,公式如下: ; 步骤四中,求解可靠度时,公式如下: ; 其中,Ai=X1,X2,…Xk,则为特征组合的特征量种类个数; 步骤五中,计算所有特征组合的复合值时,公式如下: ; 步骤六中,计算所有特征组合的可信度时,公式如下: ; ; 其中,和为特征组合的任意2个特征量的目标区域识别支持度,,为预设参数; 步骤七中,求解维交会特征数据的融合结果时,公式如下: ; ; 其中,为特征组合的融合采信值,为最大融合采信值所对应的特征组合的序号。

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人民解放军海军工程大学,其通讯地址为:430030 湖北省武汉市硚口区解放大道717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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。