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！

龙图腾网获悉中国船舶集团有限公司第七一九研究所申请的专利一种基于大模型的水陆空一体化海上作战场景下的态势感知方法及系统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：CN121030630B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510906414.9，技术领域涉及：G06F18/25；该发明授权一种基于大模型的水陆空一体化海上作战场景下的态势感知方法及系统是由黄喆;王楠;刘志宏;王浩;吴根平;葛印超;顾久青设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于大模型的水陆空一体化海上作战场景下的态势感知方法及系统在说明书摘要公布了：本发明提供一种基于大模型的水陆空一体化海上作战场景下的态势感知方法及系统，涉及军事作战领域，包括：获取水陆空多源作战数据并进行时空对齐处理；将各模态对齐后的数据进行并行特征提取，并通过大模型的自适应瓶颈层对提取的特征进行降维；基于所述各模态降维后的特征向量，在大模型中构建多层级注意力瓶颈单元，将每个模态特征向量分别分配至对应的层级进行注意力权重计算；通过特征拼接与注意力机制实现不同模态特征向量的动态融合，将多模态融合信息输入大模型的分类器进行战场态势评估，根据评估结果生成动态打击决策方案。本发明用以解决现有技术中处理多源异构数据存在模态间冲突，难以实现高效态势感知与精准打击决策的缺陷。

本发明授权一种基于大模型的水陆空一体化海上作战场景下的态势感知方法及系统在权利要求书中公布了：1.一种基于大模型的水陆空一体化海上作战场景下的态势感知方法，其特征在于，包括： 获取水陆空多源作战数据并进行时空对齐处理，得到各模态对齐后的数据，所述水陆空多源作战数据包括水面舰艇的雷达探测数据、空中战机的红外图像数据、陆地指挥系统的通信指令数据； 将所述各模态对齐后的数据输入大模型的多模态编码器进行并行特征提取，并通过大模型的自适应瓶颈层对提取的特征进行降维，获得各模态降维后的特征向量，包括：构建雷达点云特征编码器，采用三维稀疏卷积网络提取船舶周围障碍物的空间分布特征；构建卫星遥感特征编码器，采用多光谱注意力网络提取海面温度场与洋流矢量场的时空演化特征，包括基于多光谱卫星数据构建时空双通道注意力模块，通过光谱注意力与时间注意力的协同，提取海面温度场与洋流矢量场的时空耦合演化特征；构建无人机视频特征编码器，采用时空变换器网络提取船舶姿态异常行为的连续帧间运动特征；构建文本语义特征编码器，采用预训练语言模型提取船员报告文本中的关键词实体与情感倾向特征；所述自适应瓶颈层对提取的特征进行降维包括：通过可学习投影矩阵将各模态特征映射到低维子空间，并利用门控机制动态调整各模态特征的压缩比例，生成保留关键信息的降维特征向量； 基于所述各模态降维后的特征向量，在大模型中构建多层级注意力瓶颈单元，将每个模态特征向量分别分配至对应的层级进行注意力权重计算，生成更新的瓶颈单元参数，包括：在瓶颈单元中部署分层注意力机制，底层注意力层计算模态内部特征相关性权重，中层注意力层计算跨模态特征互补性权重，顶层注意力层计算全局特征贡献度权重；所述生成更新的瓶颈单元参数包括：采用软路由算法计算特征到不同层级的分配概率，其中，为分配概率，为可学习参数矩阵，为偏置项，为目标层级，目标层级包括底层、中层和顶层，为特征，计算各模态特征向量到不同层级注意力层的分配概率，并根据概率分布对特征向量进行加权重组；在每一层级注意力层中，将重组后的特征向量与可学习的位置编码进行拼接，并通过残差连接更新瓶颈单元的状态参数； 在所述更新的瓶颈单元中执行跨模态信息交互，通过特征拼接与注意力机制实现不同模态特征向量的动态融合，生成包含时空关联性的多模态融合信息； 将所述多模态融合信息输入大模型的分类器进行战场态势评估，根据评估结果生成动态打击决策方案，包括：基于战场态势评估结果，采用多目标优化算法求解作战资源约束下的最优火力分配方案；构建航路规划模型，整合战场环境数据构建四维威胁场，通过蚁群算法生成航行路径，所述四维威胁场包括空中威胁、水面威胁、水下威胁和电磁威胁；根据船舶载具类型与作战资源库存状态，采用知识图谱推理技术匹配最优作战装备组合，并生成分阶段任务执行指令集。

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船舶集团有限公司第七一九研究所，其通讯地址为：430064 湖北省武汉市武昌区中山路450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。