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！

龙图腾网获悉中国船舶重工集团公司第七一五研究所申请的专利一种基于深度卷积神经回归网络的常规波束形成学习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：CN115795294B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211480032.7，技术领域涉及：G06F18/213；该发明授权一种基于深度卷积神经回归网络的常规波束形成学习方法是由陈越超;杜栓平;尚金涛;罗兆瑞;王庆;陈孝森设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种基于深度卷积神经回归网络的常规波束形成学习方法在说明书摘要公布了：本发明公开了一种基于深度卷积神经回归网络的常规波束形成学习方法，包括：步骤1，获取数据集，包括若干数据对，任一数据对包括阵元域频域数据和对应的空间能量谱；步骤2，对阵元域频域数据进行特征预提取，得到阵元域频域特征，构建样本集；步骤3，构建以阵元域频域特征为输入、对应的空间能量谱为目标输出的深度卷积神经网络模型；步骤4，基于样本集对深度卷积神经网络模型进行训练；步骤5，将未知阵元域频域数据进行特征预提取后，输入至训练后的深度卷积神经网络模型中，输出预测的空间能量谱。本发明所提方法和模型是一种独立于当前阵列信号处理方法之外的常规波束形成框架，具有自主学习进化、高效并行计算等特点。

本发明授权一种基于深度卷积神经回归网络的常规波束形成学习方法在权利要求书中公布了：1.一种基于深度卷积神经回归网络的常规波束形成学习方法，其特征在于，包括以下步骤： 步骤1，获取数据集，包括若干数据对，任一数据对包括阵元域频域数据和对应的空间能量谱； 步骤2，对阵元域频域数据进行特征预提取，得到阵元域频域特征，构建样本集； 步骤3，构建以阵元域频域特征为输入、对应的空间能量谱为目标输出的深度卷积神经网络模型； 所述深度卷积神经网络模型包括串联的若干特征提取压缩模块、全局平均池化层和全连接层，任一特征提取压缩模块包括依次连接的一尺寸压缩单元和若干特征提取单元； 所述特征提取单元包括2个并行分支，分支1包括依次连接的卷积层、LayerNorm层、卷积层、GELU激活函数、卷积层、系数加权层，分支2为直连层，分支1和分支2的卷积特征通过卷积特征相加层连接； 所述尺寸压缩单元包括2个并行分支，分支1包括依次连接的卷积层、LayerNorm层、卷积层、GELU激活函数、卷积层、系数加权层，分支2包括卷积层，分支1和分支2的卷积特征通过卷积特征相加层连接； 步骤4，基于样本集对深度卷积神经网络模型进行训练； 步骤5，将未知阵元域频域数据进行特征预提取后，输入至训练后的深度卷积神经网络模型中，输出预测的空间能量谱。

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船舶重工集团公司第七一五研究所，其通讯地址为：310023 浙江省杭州市西湖区留下街道屏峰715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。