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！

龙图腾网获悉北京理工大学申请的专利一种基于分级分解特征提取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：CN116821665B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310834476.4，技术领域涉及：G06F18/2132；该发明授权一种基于分级分解特征提取方法是由卢继华;吴编;冯立辉;陈威;刘德威;凌梓健;倪润峰设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种基于分级分解特征提取方法在说明书摘要公布了：本发明属于特征提取及信号分类技术领域，尤其涉及一种基于分级分解特征提取方法。所述方法，包括：将采集的二维时间序列进行预处理，得到多通道有效数据；建立分级分解特征提取结构；所述分级分解特征提取结构，包括接收域矩阵、调制域矩阵和脉冲生成域矩阵；初始化循环参数、特征提取结构参数以及方阵；初始化接收域矩阵、调制域矩阵和脉冲生成域矩阵为全0矩阵；将多通道有效数据进行分级分解，得到分级分解特征提取结果；将脉冲信号矩阵输入分类器中进行数据分类，得到分类结果。所述方法能较好地提取出复杂环境中采集的信号及数据特征，进一步提高数据分类准确率；所述方法特征提取结构简单，不需要通过机器学习训练提取特征，计算复杂度低。

本发明授权一种基于分级分解特征提取方法在权利要求书中公布了：1.一种基于分级分解特征提取方法，其特征提取的对象为语音数据，包括如下步骤： S1、将采集的二维时间序列进行预处理，得到多通道有效数据； S2、建立分级分解特征提取结构； 所述分级分解特征提取结构，包括接收域矩阵、调制域矩阵和脉冲生成域矩阵； 所述接收域矩阵，包括馈送通道矩阵和链接通道矩阵； 所述调制域矩阵，包括内部活动项矩阵； 所述脉冲生成域矩阵，包括脉冲信号矩阵和阈值矩阵； S3、初始化循环参数、特征提取结构参数以及方阵； 所述循环参数，包括循环次数以及总循环次数； 所述特征提取参数，包括链接场半径、阈值幅度缩放项、阈值衰减项、链接衰减项、链接幅度缩放项、链接强度、衰减时间常数及阈值放大系数； 所述方阵的维度为2*链接场半径+1； S4、初始化分级分解特征提取结构中的各矩阵为全0矩阵； 所述分级分解特征提取结构中的各矩阵，包括接收域矩阵、调制域矩阵和脉冲生成域矩阵； S5、将多通道有效数据进行分级分解，得到分级分解特征提取结果； S5，具体为： S51、初始化循环次数为1； S52、将脉冲信号矩阵与方阵卷积，得到卷积结果； S53、将阈值衰减项的负指数函数值与馈送通道矩阵相乘再与阈值幅度缩放项与卷积结果相乘的结果相加，再加上多通道有效数据，得到更新后的馈送通道矩阵； S54、将链接衰减项的负指数与链接通道矩阵相乘，再加上链接幅度缩放项与卷积结果相乘的结果，得到更新后的链接通道矩阵； S55、将链接强度加1后与链接通道矩阵相乘，再与馈送通道矩阵相乘得到内部活动项矩阵； S56、将内部活动项矩阵与阈值矩阵进行比较，若内部活动项矩阵的元素值大于阈值矩阵的元素值，则将脉冲信号矩阵对应位置上的元素值置为1，反之则置为0，得到脉冲信号矩阵； S57、将衰减时间常数的负指数函数值与阈值矩阵的乘积加上阈值放大系数与脉冲信号矩阵的乘积，并将两个乘积和赋值给阈值矩阵； S58、判断循环次数是否等于总循环次数，若不等，则令循环次数加1，跳至S52；若循环次数等于总循环次数，则循环结束，保存S56脉冲信号矩阵为有效数据的分级分解特征提取结果并跳至S6； S6、将脉冲信号矩阵输入分类器中进行数据分类，得到分类结果。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。