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声学研究所申请的专利基于微型神经网络解缠绕的合成孔径声呐时延估计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：CN116008971B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310032980.2，技术领域涉及：G01S7/52；该发明授权基于微型神经网络解缠绕的合成孔径声呐时延估计方法是由陈世平;迟骋;张鹏飞;王朋;刘纪元设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本基于微型神经网络解缠绕的合成孔径声呐时延估计方法在说明书摘要公布了：本发明提供一种基于微型神经网络解缠绕的合成孔径声呐时延估计方法，所述方法包括：接收合成孔径声呐阵列采集的时域回波，并通过滤波器将时域回波分成两个子带信号；计算前后帧时域回波的互相关函数，并通过互相关函数计算两个子带信号的缠绕时延；将缠绕时延输入预先建立和训练好的神经网络提取相位缠绕整数，并利用缠绕时延和相位缠绕整数重建真实时延，从而实现合成孔径声呐时延估计。本发明克服了传统时延估计方法中相位解缠准确率低的问题，时延估计精度和稳健性高，网络结构简单，计算量小，可为合成孔径声呐运动补偿提供稳健的参数估计。

本发明授权基于微型神经网络解缠绕的合成孔径声呐时延估计方法在权利要求书中公布了：1.一种基于微型神经网络解缠绕的合成孔径声呐时延估计方法，所述方法包括： 步骤1接收合成孔径声呐阵列采集的时域回波，并通过滤波器将时域回波分成两个子带信号； 步骤2计算前后帧时域回波的互相关函数，并通过互相关函数计算两个子带信号的缠绕时延； 步骤3将缠绕时延输入预先建立和训练好的神经网络提取相位缠绕整数，并利用缠绕时延和相位缠绕整数重建真实时延，从而实现合成孔径声呐时延估计； 所述步骤3的神经网络包括输入层、隐藏层和输出层，其中，输入层由2个神经元组成，隐藏层由5个神经元组成，输出层由2个神经元组成，输入层和输出层采用线性激活函数；隐藏层采用双曲正切激活函数fx，满足下式： 其中，x为函数自变量； 所述输入层第i个神经元的输入为ai＝τi″，输出为xi＝g1ai； 其中，τi″为第i个神经元收到的缠绕时延，g1为输入层的激活函数； 所述隐藏层第j个神经元的输入aj为： 输出为zj＝g2aj，其中，wij是输入层第i个神经元和隐藏层第j个神经元之间的权重，wj0是隐藏层第j个神经元的偏置，g2为隐藏层的激活函数； 所述输出层第k个神经元的输入ak为： 输出为其中，wjk是隐藏层第j个神经元和输出层第k个神经元之间的权重，wk0是输出层第k个神经元的偏置，g3为输出层的激活函数； 所述方法还包括神经网络的训练步骤；具体包括： 利用缠绕时延和真实时延之间的关系，通过仿真生成真实时延： 其中，τ1和τ2代表两个子带信号的缠绕时延，τ1′和τ2′代表两个子带信号的真实时延，代表相位缠绕整数； 在仿真的真实时延中加入误差，以提高网络的泛化能力： 其中，τ1″和τ2″为带有误差的真实时延，ε1和ε2为服从高斯分布的噪声，其均值为0，方差为获得神经网络的训练集{τ″1,τ″2,n1,n2}train和测试集{τ″1,τ″2,n1,n2}test，其中τ″1,τ″2为神经网络的输入数据，n1,n2为输出数据，也即标签向量； 采用Levenberg‑Marquardt反向传播算法和均方误差损失函数进行网络训练，并利用测试集验证神经网络的性能，得到满足训练要求的神经网络。

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声学研究所，其通讯地址为：100190 北京市海淀区北四环西路21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。