申请/专利权人：中国海洋大学

申请日：2021-11-30

公开（公告）日：2024-04-26

公开（公告）号：CN114065822B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/10;G06F18/213;G06F18/214;G06F18/241;G06N3/0464;G06N3/084;G06F17/14;G01V3/38

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明提供一种海洋潮流涨落的电磁识别方法及系统。该方法包括：数据时频分析处理，获得时间域电磁场信号采样序列，划分成若干段，获得功率谱估计，获得海洋电磁场数据时频特征图；数据集构造，根据各时间节点的潮汐信息在时频特征图上绘制潮汐曲线，获得潮汐‑功率谱对应图，截取对应图，构造时频特征图像数据集；卷积神经网络构建和训练学习，卷积层对特征图像数据集图像进行特征提取，池化层对训练数据进行缩减，积累激活特征，全连接层对网络学习和分类，将时频特征图像数据集作为训练单元输入卷积神经网络进行训练；训练后的卷积神经网络作为海洋潮流涨落识别模型，其输出潮流涨落的二分类识别结果。

主权项：1.一种海洋潮流涨落的电磁识别方法，其特征在于，包括以下步骤：数据时频分析处理步骤：采集一定连续时长范围内的海洋电磁场数据，获得时间域电磁场信号采样序列，按照设定的等时间间隔将时间域电磁场信号采样序列划分成若干段，获得每段时间域电磁场信号采样序列的功率谱估计，从而获得海洋电磁场数据时频特征图，横轴表示时间，纵轴表示频率，色标表示功率谱值；数据集构造步骤：根据各时间节点的潮汐信息在所述时频特征图上绘制潮汐曲线，横轴表示时间，纵轴表示潮高；获得潮汐-功率谱对应图；对所述对应图进行截取，获得平潮图像、停潮图像、落潮图像和涨潮图像，构造时频特征图像数据集；卷积神经网络构建和训练学习步骤：构建卷积神经网络，所述卷积神经网络包括多个卷积层、多个池化层、多个全连接层；所述卷积层用于对所述平潮图像、停潮图像、落潮图像和涨潮图像进行特征提取；所述池化层获取卷积层处理后的数据并对训练数据进行缩减，从卷积层映射特征中积累激活特征；所述全连接层用于网络学习和分类；将所述时频特征图像数据集作为训练单元输入卷积神经网络进行训练；海洋潮流涨落识别步骤：训练后的卷积神经网络作为海洋潮流涨落识别模型，其输出海洋潮流涨落的二分类识别结果。

全文数据：

权利要求：

百度查询： 中国海洋大学 海洋潮流涨落的电磁识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD