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！

龙图腾网获悉德心智能科技(常州)有限公司申请的专利基于多模态传感的居家异常状态信号检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：CN120216965B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510677807.7，技术领域涉及：G06F18/213；该发明授权基于多模态传感的居家异常状态信号检测方法及系统是由杨绍分设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本基于多模态传感的居家异常状态信号检测方法及系统在说明书摘要公布了：本发明提供基于多模态传感的居家异常状态信号检测方法及系统，涉及检测技术领域，包括通过毫米波雷达、声学传感器和环境传感器采集人体运动、声学及环境参数，输入深度融合网络，利用时空注意力机制和多尺度卷积神经网络提取时空特征序列，结合声学特征频谱分析结果形成联合概率特征。将联合概率特征输入时序知识图谱，经图注意力网络和双流自编码器网络处理后，获得场景自适应特征。最后，多任务学习网络结合风险传播神经网络和递归型神经网络进行异常预测和风险等级评估，并结合历史预警信息输出预警策略。本发明能够有效融合多模态数据，提高居家异常状态检测的准确性和可靠性，并提供更精准的风险评估和预警策略。

本发明授权基于多模态传感的居家异常状态信号检测方法及系统在权利要求书中公布了：1.基于多模态传感的居家异常状态信号检测方法，其特征在于，包括： 将采集的人体运动数据、声学特征及环境参数输入深度融合网络，所述深度融合网络通过时空注意力机制对不同特征进行动态权重分配，经多尺度卷积神经网络提取时空特征序列，并与声学特征的频谱分析结果组合形成联合概率特征，包括：对人体运动数据、声学信号和环境参数进行滤波、变换和归一化处理，得到标准化特征；将所述标准化特征依次通过双层注意力网络的时间注意力层和模态注意力层得到带权重的多模态特征；将所述多模态特征输入多分支卷积神经网络，通过深度可分离卷积和残差连接提取得到时空特征序列；将所述时空特征序列输入高斯混合模型，所述高斯混合模型包括多个高斯分量，每个高斯分量具有对应的混合权重、均值向量和协方差矩阵，所述均值向量和协方差矩阵均为隐变量的函数，通过长短时记忆网络对隐变量进行递归更新，得到时空特征概率分布；将所述时空特征概率分布和声学特征输入条件变分自编码器，所述条件变分自编码器包括双分支编码器网络，所述条件变分自编码器通过双分支编码器网络得到高层特征表示，经均值网络和方差网络输出后验分布参数；对所述后验分布参数进行重参数化采样并通过解码器网络重构，计算重构项与KL散度的证据下界；计算证据下界对时空特征概率分布和声学特征的梯度范数得到模态重要性得分，动态调整KL散度权重并最大化证据下界，训练所述条件变分自编码器得到动作与声音的联合概率特征； 将所述联合概率特征经图注意力网络的时序知识图谱处理得到多维组合特征，将多维组合特征输入双流自编码器网络，对源场景进行特征映射并利用对抗训练得到目标场景特征；将源场景特征和目标场景特征输入记忆增强神经网络，结合强化学习方法输出场景自适应特征，包括：将源场景特征和目标场景特征输入记忆增强神经网络的层次化记忆写入机制进行特征归一化处理，通过多头注意力机制进行交互得到融合特征，基于局部敏感哈希确定目标记忆槽位，通过门控写入机制将融合特征写入记忆模块；将所述记忆模块输入强化学习框架，所述强化学习框架包括Actor-Critic网络结构和多步记忆推理机制，Actor网络基于当前记忆内容、所述融合特征和历史操作序列生成记忆操作策略，Critic网络采用双重价值评估网络结构评估状态动作值函数基于特征互信息、分布距离和记忆时效性构建奖励函数，采用策略梯度更新策略并通过时序差分进行多步记忆推理；对所述融合特征构建多尺度查询向量，所述多尺度查询向量包括空间尺度向量、时间尺度向量和通道尺度向量，从记忆模块中检索与查询向量具有最大余弦相似度的记忆特征，通过自适应融合网络与融合特征进行整合，并经残差连接得到场景自适应特征；基于记忆持续时间和特征互信息的加权组合优化记忆模块进行，包括优先级更新、记忆压缩和动态调整记忆容量； 将所述场景自适应特征输入多任务学习网络，经共享表示层提取综合特征，通过任务注意力层输出异常预测结果，将异常预测结果输入风险传播神经网络，通过消息传递机制分析风险因素耦合关系并输出风险等级，包括：基于场景自适应特征，通过多任务学习网络的共享表示层的多尺度卷积核提取局部到全局特征，经特征金字塔网络融合得到综合特征；利用多头协同注意力机制计算注意力分数，将多头输出整合后通过残差门控机制与综合特征融合得到异常预测结果；将异常预测结果输入风险传播神经网络，构建风险因素关系图，通过节点特征网络和边特征网络分别处理风险因素节点和因素间关联关系，得到节点初始特征和风险因素间关联关系的边特征；采用门控图卷积的消息传递机制，其中消息生成子模块通过门控单元组合源节点特征、目标节点特征与边特征，消息聚合子模块基于节点间注意力系数对邻域消息特征进行加权聚合；对所述风险因素关系图进行多轮消息传递迭代更新节点特征，将经过预设轮数消息传递后的风险因素节点特征与经过残差映射的风险因素节点初始特征进行加和得到风险因素节点状态；基于风险因素节点状态之间的特征相似度以及对应的边特征计算风险因素节点之间的风险传播强度，经层次化图池化整合得到风险等级；将所述风险等级输入递归型神经网络，结合历史预警反馈信息通过门控机制进行特征记忆并输出预警策略，包括：将风险等级经双向长短期记忆网络编码得到融合时序表示；将历史预警反馈信息输入特征变换网络得到反馈特征表示；基于融合时序表示和反馈特征表示在时间粒度金字塔的各层计算注意力权重，通过软注意力机制加权整合得到多粒度记忆特征；设计遗忘门和更新门对所述多粒度记忆特征进行动态更新，其中所述遗忘门基于融合时序表示和多粒度记忆特征控制历史信息的保留程度，所述更新门控制新知识的引入比例，得到更新后的记忆特征；将所述融合时序表示和更新后的记忆特征输入门控循环单元进行自适应融合得到预警状态表示；构建多目标预警优化函数，所述多目标预警优化函数综合考虑预警及时性、预警准确性和异常行为识别率，将所述预警状态表示输入深度Q学习网络，基于场景自适应特征和预警响应行为构建状态-动作价值函数，所述状态-动作价值函数的状态包括场景自适应特征和环境参数，所述状态-动作价值函数的动作包括预警级别调整和干预措施推荐，将所述状态-动作价值函数映射得到预警策略，通过时序差分算法对所述预警策略进行迭代优化得到最优预警策略。

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德心智能科技(常州)有限公司，其通讯地址为：213017 江苏省常州市天宁区北塘河东路17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”。