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深海科学与工程研究所申请的专利一种基于CNN-LSTM模型的三节点被动声学阵列船舶定位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：CN120831631B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202511333011.6，技术领域涉及：G01S5/18；该发明授权一种基于CNN-LSTM模型的三节点被动声学阵列船舶定位方法是由刘本;张嘉豪;饶永康;徐文设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种基于CNN-LSTM模型的三节点被动声学阵列船舶定位方法在说明书摘要公布了：本发明公开了一种基于CNN‑LSTM模型的三节点被动声学阵列船舶定位方法，涉及水下声源定位技术领域，所述方法包括以下步骤：步骤S1:通过部署于水下的三节点被动声学网络实时采集目标船舶辐射的声学信号;并对每个节点的声学信号进行预处理,得到耳间强度差特征和耳间相位差特征;步骤S2:构建CNN‑LSTM模型，将耳间强度差特征和耳间相位差特征的组合特征图输入到CNN‑LSTM模型的空间特征提取模块中进行空间特征提取，并输出空间特征向量；步骤S3:将空间特征向量输入到CNN‑LSTM模型的时序特征学习模块中进行时序特征提取，并输出潜在特征向量；步骤S4:将潜在特征向量输入到CNN‑LSTM模型的输出层中完成回归预测，输出声源的方位角和距离值。

本发明授权一种基于CNN-LSTM模型的三节点被动声学阵列船舶定位方法在权利要求书中公布了：1.一种基于CNN-LSTM模型的三节点被动声学阵列船舶定位方法，其特征在于，所述方法包括以下步骤： 步骤S1:通过部署于水下的三节点被动声学网络实时采集目标船舶辐射的声学信号，并对每个节点的声学信号进行预处理,得到耳间强度差特征和耳间相位差特征; 对每个节点的声学信号进行预处理具体包括：将各节点连续采集到的原始声学信号切分成固定时长的分析帧并进行降采样；对降采样后的声学信号进行短时傅里叶变换，得到各节点信号的时频谱，随后计算耳间强度差特征和耳间相位差特征；计算耳间强度差特征的公式如下： 计算耳间相位差特征的公式如下： 其中，和分别是两个传感器接收到的信号的STFT复数矩阵,代表频率，代表STFT时间帧索引; 步骤S2:构建CNN-LSTM模型，将耳间强度差特征和耳间相位差特征的组合特征图输入到CNN-LSTM模型的空间特征提取模块中进行空间特征提取，随后输出空间特征向量； 所述空间特征提取模块由双支路组成，每条支路均包括浅层卷积块、中层卷积块和深层卷积块，通过所述浅层卷积块初步提取耳间强度差特征和耳间相位差特征组合的特征图的频率和强度相位差信息，再通过中层卷积块进一步精细提取深层特征，并在中层卷积块中加入批归一化层以增强模型表达能力，再通过深层卷积块进行特征关联、通道降维和特征重组，最后采用Tanh激活函数输出提取后的空间特征向量； 其中，为了避免池化层带来的信息丢失问题，在整个空间特征提取模块中通过设置卷积层的步长来控制特征图的下采样，而不使用池化层，并为了加快模型的收敛速度和增强模型的非线性表达能力，在整个卷积支路输出特征图之前，均采用ELU激活函数引入负值区间的非饱和特性，使得输出数据在负半轴保持一定的梯度，其ELU激活函数的计算公式如下： 其中，为激活函数的输出，为激活函数的输入，为负半轴饱和度系数； 步骤S3:将空间特征向量输入到CNN-LSTM模型的时序特征学习模块中进行时序特征提取，随后输出潜在特征向量； 步骤S4:将潜在特征向量输入到CNN-LSTM模型的输出层中进行回归预测，输出声源的方位角和距离值。

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深海科学与工程研究所，其通讯地址为：572000 海南省三亚市吉阳区鹿回头科研综合楼；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。