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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法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：CN116484174B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310253733.5，技术领域涉及：G06F18/10；该发明授权一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法是由史军;安思成;刘金龙;孙德华;李菲菲设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法在说明书摘要公布了：本发明提出了一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法，构建训练数据样本；针对于应用场景采集训练信号st作为网络的训练数据样本；训练可学习分数阶小波变换深度卷积网络；采集S1训练数据样本中的待稀疏分解与重建的信号将S1采集得到的待稀疏分解与重建的信号输入S2训练完的可学习分数阶小波变换深度卷积网络进行稀疏分解与重建；最后输出重建信号；将分数阶小波变换的卷积级联分解算法和合成算法中预设的滤波器参数替换为可学习参量，通过反向传播算法更新，可以对目标信号实现稀疏分解与重建。

本发明授权一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法在权利要求书中公布了：1.一种基于可学习分数阶小波变换的信号稀疏分解与重建方法，其特征在于： 所述方法具体包括以下步骤： S1、构建训练数据样本；针对于应用场景采集训练信号作为网络的训练数据样本； S2、训练可学习分数阶小波变换深度卷积网络； 在S2中包括以下步骤： S21、对网络中的角度参数、分解层数以及可学习参数进行初始化： S22、对S1中网络中的可学习参数进行训练； 用代表迭代次数，从开始循环迭代； S23、对输入信号进行分解得到所需的分解系数： S24、使用S23中得到的分解系数来进行信号重建，得到重建信号： S25、根据S23中输出的分解系数以及S24中输出的重建信号，通过目标函数来计算当前的目标函数值，目标函数为 4 其中，为网络中所有的可学习参数； S26、由目标函数的值，根据公式5对所有可学习参数进行更新； 5 其中，为当前的迭代次数，代表第迭代中的第个可学习参数，为学习率，常用值为0.001，为动量参数，常用值为0.9，用于调整上一次迭代产生的梯度对当前迭代梯度产生的影响，是目标函数对的梯度值； S27、判断是否达到最大迭代次数，若达到则训练完毕，否则返回S23继续训练； S3、采集S1训练数据样本中的待稀疏分解与重建的信号； S4、将S1采集得到的待稀疏分解与重建的信号输入S2训练完的可学习分数阶小波变换深度卷积网络进行稀疏分解与重建； S5、输出重建信号。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。