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！

龙图腾网获悉南京大学申请的专利基于压缩感知的阵列SNSPD读出方法及装置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：CN114966622B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202210567455.6，技术领域涉及：G01S7/4913；该发明授权基于压缩感知的阵列SNSPD读出方法及装置是由张蜡宝;管焰秋;李昊辰;张笑;吕嘉煜设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本基于压缩感知的阵列SNSPD读出方法及装置在说明书摘要公布了：本发明公开了一种基于压缩感知的阵列SNSPD读出方法及装置，方法包括：1构建集成压缩感知采样和重建为一体的深度学习网络；2采用自然场景图片作为样本输入深度学习网络进行训练；3根据深度学习网络形成压缩感知采样矩阵Sr、Sc；4将压缩感知采样向量Sri,Sci以偏置电流的形式加载到阵列SNSPD上；5将阵列SNSPD的所有像元的输出合并，根据输出信号幅值获取阵列SNSPD中响应的像元总个数xi；6重复执行步骤4、5，直至采样矩阵Sr、Sc的行被遍历完，形成采样结果向量X＝{xi}T；7将采样结果向量X输入训练好的深度学习网络中的初步重建子网络，编解码重建子网络输出的信号为重建信号Y。本发明适用于多像元同时响应、电路简单、速度快。

本发明授权基于压缩感知的阵列SNSPD读出方法及装置在权利要求书中公布了：1.一种基于压缩感知的阵列SNSPD读出方法，其特征在于该方法包括： （1）构建集成压缩感知采样和重建为一体的深度学习网络，所述深度学习网络具体包括依次连接的压缩采样子网络、初步重建子网络和编解码重建子网络； （2）采用自然场景图片作为样本输入深度学习网络进行训练； （3）从训练完成的深度学习网络中，提取压缩采样子网络的权值矩阵作为压缩感知采样矩阵； （4）将压缩感知采样向量以偏置电流的形式加载到阵列SNSPD上，分别表示的第i行，的元素数与阵列SNSPD的行和列的数目一致； （5）将阵列SNSPD的所有像元的输出合并，并采用模数转换模块读出合并后的输出信号的幅值，并根据幅值获取阵列SNSPD中响应的像元总个数x i ； （6）重复执行步骤（4）、（5），直至采样矩阵的行被遍历完，形成采样结果向量； （7）将采样结果向量X输入训练好的深度学习网络中的初步重建子网络，编解码重建子网络输出的信号为重建信号Y，即阵列SNSPD的读出信号； 其中，步骤（4）具体包括： （4-1）将采样矩阵按照以下规则加载到阵列SNSPD上：若的第u个元素=1，，则阵列SNSPD中第u行加偏置电流，否则不施加偏置电流； （4-2）将采样矩阵按照以下规则加载到阵列SNSPD上：若的第v个元素=1，，则阵列SNSPD中第v列加偏置电流，否则不施加偏置电流。

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南京大学，其通讯地址为：210008 江苏省南京市鼓楼区汉口路22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。