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！

龙图腾网获悉扬州赛瑞航空电子技术有限公司申请的专利基于不定长多维输入的深度学习信号类型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：CN121051537B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511176963.1，技术领域涉及：G06F18/241；该发明授权基于不定长多维输入的深度学习信号类型识别方法是由王利宁;丁良兵;孙旭东;杜志毅;赵阳;梁学磊设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本基于不定长多维输入的深度学习信号类型识别方法在说明书摘要公布了：本发明属于信号处理技术领域，提供了一种基于不定长多维输入的深度学习信号类型识别方法，包括：将待预测信号原始数据，分别进行连续小波变换处理和离散小波变换处理，获得连续小波变换特征数据和离散小波变换特征数据；对原始数据、连续小波变换特征数据和离散小波变换特征数据进行归一化处理，输入预训练的深度学习网络中，进行信号类型识别。本发明通过深度学习多模态网络对原始信号及对应的连续小波变换数据、离散小波变换数据进行高维特征提取及特征压缩，完成信号类型的识别；可获得在时域、频域及时–频域三方面均具有代表性的特征表达，提升特征的全面性与判别力。

本发明授权基于不定长多维输入的深度学习信号类型识别方法在权利要求书中公布了：1.基于不定长多维输入的深度学习信号类型识别方法，其特征在于，包括： 将待预测信号原始数据，分别进行连续小波变换处理和离散小波变换处理，获得连续小波变换特征数据和离散小波变换特征数据；待预测信号原始数据为实数窄带信号； 对原始数据、连续小波变换特征数据和离散小波变换特征数据进行归一化处理，输入预训练的深度学习网络中，进行信号类型识别； 其中，所述深度学习网络的训练样本数据包括原始样本特征、原始样本经连续小波变换特征和原始样本经离散小波变换特征； 所述深度学习网络包括卷积模块Ⅰ和卷积模块Ⅱ， 信号原始数据依次使用128、256个卷积核的卷积模块Ⅰ进行特征处理，处理后进行全局最大值池化处理； 离散小波变换特征数据依次使用128、256个卷积核的卷积模块Ⅱ进行特征处理，卷积核尺寸分别是2*3与1*3，池化方法分别是2*2与1*2，处理后进行全局最大值池化处理； 连续小波变换特征数据依次使用128、256、256、256个卷积核的卷积模块Ⅱ进行特征处理，卷积核尺寸为3*3，池化方法为2*2，处理后进行全局最大值池化处理； 将处理后的信号原始数据、离散小波变换特征数据和连续小波变换特征数据进行特征拼接处理，并进行维度扩张；之后分别使用64、32、5个卷积核的卷积模块Ⅰ进行特征融合与特征压缩；最后进行全局最大值池化。

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扬州赛瑞航空电子技术有限公司，其通讯地址为：225000 江苏省扬州市生态科技新城文昌东路201号D座；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。