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！

龙图腾网获悉浙江省邮电工程建设有限公司申请的专利一种基站设施异常智能监测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：CN120282192B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510758265.6，技术领域涉及：H04W24/04；该发明授权一种基站设施异常智能监测方法及系统是由王小峰;马胜杰;陈敏设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种基站设施异常智能监测方法及系统在说明书摘要公布了：本发明公开了一种基站设施异常智能监测方法及系统，方法包括：根据基站物理层实时数据，采用多尺度小波融合脉冲神经网络构建动态信号感知拓扑，生成时空对齐的基站全维度特征张量；将所述基站全维度特征张量输入故障模式对抗蒸馏模块，基于物理约束的变分自编码器重构基站正常工况流形，输出具有故障指纹标识的异常特征向量；对所述异常特征向量进行故障传播图建模，结合反向传播可信度验证生成基站故障根因拓扑图；将所述基站故障根因拓扑图输入韧性自愈策略生成器，最终输出满足实时性约束的基站设施自愈策略集。利用本发明实施例，能够提高异常监测的准确性与实时性，提升基站的运行可靠性和通信服务质量。

本发明授权一种基站设施异常智能监测方法及系统在权利要求书中公布了：1.一种基站设施异常智能监测方法，其特征在于，所述方法包括： 根据基站物理层实时数据，采用多尺度小波融合脉冲神经网络构建动态信号感知拓扑，通过相位同步的时频分解算法消除多源信号干扰，生成时空对齐的基站全维度特征张量，其中，所述脉冲神经网络引入脉冲时序依赖可塑性机制，通过突触权重动态修正实现信号特征的自适应强化； ‌将所述基站全维度特征张量输入故障模式对抗蒸馏模块，基于物理约束的变分自编码器重构基站正常工况流形，通过梯度掩蔽的残差聚焦算法分离突发性故障与渐进性老化特征，输出具有故障指纹标识的异常特征向量，其中，所述变分自编码器采用拉普拉斯噪声注入与频域稀疏约束，强制区分瞬态异常与稳态退化模式； 对所述异常特征向量进行故障传播图建模，采用图强化因果推理模型模拟故障在硬件组件间的扩散路径，通过门控图注意力机制动态修正传播权重，结合反向传播可信度验证生成基站故障根因拓扑图，其中，所述模型通过时序反向截断算法与传播路径熵约束联合优化故障定位精度； 将所述基站故障根因拓扑图输入韧性自愈策略生成器，基于数字孪生驱动的动态博弈框架构建多目标修复决策树，通过物理约束的对抗性策略蒸馏技术压缩无效修复路径，并采用联邦强化学习协调多基站间的修复资源分配，最终输出满足实时性约束的基站设施自愈策略集，其中，所述动态博弈框架通过故障场景孪生仿真与策略梯度镜像更新联合保障修复策略的物理可行性； 所述根据基站物理层实时数据，采用多尺度小波融合脉冲神经网络构建动态信号感知拓扑，通过相位同步的时频分解算法消除多源信号干扰，生成时空对齐的基站全维度特征张量，其中，所述脉冲神经网络引入脉冲时序依赖可塑性机制，通过突触权重动态修正实现信号特征的自适应强化，包括： 根据射频信号时频矩阵与硬件振动模态谱，采用多尺度小波脊检测算法对原始信号进行时频分解，通过脊线追踪消除多径效应干扰，生成相位同步的时频特征图谱； ‌将所述时频特征图谱与能耗波动曲线、设备运行日志流输入脉冲神经网络，基于脉冲时序依赖可塑性机制动态调整突触权重，通过自适应脉冲触发函数强化高频异常信号，输出时空关联的脉冲序列编码，所述能耗波动曲线为电流值通过Delta调制编码制成的脉冲间隔； ‌对所述脉冲序列编码进行多模态融合，利用小波尺度域注意力门控机制选择关键频段特征，通过张量拼接生成多源信号联合表征矩阵，多模态融合的目标是整合脉冲编码的时空特性与原始信号的频域特征； ‌将所述多源信号联合表征矩阵输入时空对齐压缩模块，采用低秩张量分解与残差连接消除传感器数据漂移，最终输出基站全维度特征张量； 所述将所述基站全维度特征张量输入故障模式对抗蒸馏模块，基于物理约束的变分自编码器重构基站正常工况流形，通过梯度掩蔽的残差聚焦算法分离突发性故障与渐进性老化特征，输出具有故障指纹标识的异常特征向量，其中，所述变分自编码器采用拉普拉斯噪声注入与频域稀疏约束，强制区分瞬态异常与稳态退化模式，包括： 根据所述基站全维度特征张量，构建物理约束的变分自编码器，通过拉普拉斯噪声注入扰动潜在空间分布，生成抗过拟合的正常工况流形重构向量； ‌对所述正常工况流形重构向量与原始特征张量进行残差计算，利用频域稀疏约束滤波器分离稳态基线特征，输出频域解耦的残差特征矩阵； ‌将所述残差特征矩阵输入梯度掩蔽聚焦模块，通过动态阈值门控机制屏蔽老化相关梯度，强化突发故障的局部梯度响应，生成异常敏感特征向量； ‌对所述异常敏感特征向量进行故障指纹标识，采用卷积稀疏编码提取时频域故障模式签名，最终输出具有唯一标识的异常特征向量； 所述对所述异常特征向量进行故障传播图建模，采用图强化因果推理模型模拟故障在硬件组件间的扩散路径，通过门控图注意力机制动态修正传播权重，结合反向传播可信度验证生成基站故障根因拓扑图，其中，所述模型通过时序反向截断算法与传播路径熵约束联合优化故障定位精度，包括： 根据所述异常特征向量，构建硬件组件连接拓扑的图结构，基于门控图注意力机制动态计算节点间故障传播概率权重，生成初始故障扩散图谱； 硬件组件连接拓扑的图结构通过基站设备物理连接关系构建，节点表示硬件单元，边表示组件间的物理或逻辑依赖关系，每个节点的特征向量由异常特征向量与设备运行参数拼接而成； ‌将所述初始故障扩散图谱输入时序反向截断模块，通过因果掩码矩阵约束反向传播路径长度，结合路径熵损失函数优化传播路径置信度，输出时序修正的故障传播子图； ‌对所述故障传播子图进行强化学习优化，采用Q-learning算法模拟故障扩散路径选择策略，通过蒙特卡洛树搜索筛选高回报根因传播链路； ‌将所述根因传播链路进行可信度验证，基于贝叶斯假设检验剔除低概率伪因果关系，最终输出基站故障根因拓扑图； 所述将所述基站故障根因拓扑图输入韧性自愈策略生成器，基于数字孪生驱动的动态博弈框架构建多目标修复决策树，通过物理约束的对抗性策略蒸馏技术压缩无效修复路径，并采用联邦强化学习协调多基站间的修复资源分配，最终输出满足实时性约束的基站设施自愈策略集，其中，所述动态博弈框架通过故障场景孪生仿真与策略梯度镜像更新联合保障修复策略的物理可行性，包括： 根据所述基站故障根因拓扑图，构建数字孪生驱动的动态博弈框架，通过多目标决策树生成初始修复策略分支，模拟基站物理参数约束下的策略可行性； ‌将所述初始修复策略分支输入对抗性策略蒸馏模块，利用生成对抗网络判别器评估策略有效性，通过梯度反转压缩无效修复路径，输出精简策略候选集； ‌对所述精简策略候选集进行联邦强化学习协同优化，采用分布式策略梯度算法协调多基站资源分配权重，生成全局最优修复策略向量； ‌将所述全局最优修复策略向量输入孪生仿真验证平台，通过物理方程约束的镜像更新机制修正策略参数偏差，最终输出满足实时性约束的基站自愈策略集。

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浙江省邮电工程建设有限公司，其通讯地址为：310000 浙江省杭州市滨江区泰安路99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”。