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！

龙图腾网获悉河南中光学集团有限公司申请的专利一种基于卷积神经网络和多模态融合的分类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：CN115438708B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202210565919.X，技术领域涉及：G06F18/241；该发明授权一种基于卷积神经网络和多模态融合的分类识别方法是由张锐;金钰;蒋长帅;赵永亮;赵艳丽;王向阳;贾会梅;王璞;贺帅磊设计研发完成，并于2022-05-20向国家知识产权局提交的专利申请。

本一种基于卷积神经网络和多模态融合的分类识别方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络和多模态融合的分类识别方法。其实现方案是：1对目标原始回波进行处理得到包含目标在内的距离‑多普勒‑幅值数据；2获取目标周围的4×16大小的距离‑多普勒像，并将不同模态多普勒数据串联融合，分别形成一维、二维数据集；3构建基于卷积神经网络的多模态融合模型，使用一维、二维卷积神经网络进行分类识别；4通过前向传播和后向传播训练、测试网络，并使用梯度下降算法优化网络模型；5将两种模块得到的分类结果，通过自然贝叶斯算法进行决策级融合，得到目标分类识别综合结果。本发明利提高了目标分类识别的准确率，减少人工参与，可用于城市环境下的低慢小雷达目标的分类识别。

本发明授权一种基于卷积神经网络和多模态融合的分类识别方法在权利要求书中公布了：1.一种基于卷积神经网络和多模态融合的分类识别方法，其特征在于，包括以下步骤： 1对雷达目标原始回波信号的获取及处理； 2目标多普勒数据融合和目标距离-多普勒像的获取； 3构建基于卷积神经网络的多模态融合模型，其中一维卷积神经网络，用于对目标多普勒数据提取特征；二维卷积神经网络，用于对距离-多普勒像提取特征； 4对网络模型进行训练和测试，得到稳定的模型和目标类别结果； 5将两种分类识别模块得到的分类结果，通过自然贝叶斯算法进行决策级融合，得到目标最终分类识别的综合结果； 所述步骤3中描述构建基于卷积神经网络的多模态融合模型，具体过程如下：所述的一维卷积神经网络和二维卷积神经网络的结构，包含输入层、卷积层、池化层、全连接层和输出层；卷积层通过卷积核的滑动提取局部特征，为提高模型的非线性表达能力，对卷积层输出的局部特征，通过激活函数进行处理，利用池化层来降低特征维度和增大感受野范围，最后通过全连接层实现特征融合，输出目标类别概率； 3a卷积层表示为：输入网络的数据尺寸为m×m，设置卷积层包括K个卷积核，卷积核大小为F×F，填充大小步幅表示为S，则卷积后输出的尺寸为 对于离散的序列，卷积过程表示为： 对于二维图像，卷积过程表示为： 其中x表示输入序列，h表示卷积核，k,j表示数据数据的长度，*表示卷积操作； 3b激活函数采用非线性的σ＝ReLu函数，输出表示为： σGm,n＝σx[m,n]*h[m,n]＝max0,x[m,n]*h[m,n]， 3c池化层表示为：对输入张量的各个子矩阵进行压缩，设置池化区尺寸k×k，池化标准为最大池化；输入是m×m维，则输出表示为 3d全连接层表示为：输入的每个神经元与下一层神经元全连接，输出的神经元代表每个类别的概率；设置全连接层激活函数和全连接各层神经元个数L，激活函数通常使用σ＝Sigmoid函数，则连接层输出为： H＝σGm,n， 其中Sigmoid函数为：

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河南中光学集团有限公司，其通讯地址为：473000 河南省南阳市工业南路508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。