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！

龙图腾网获悉电子科技大学申请的专利一种基于神经网络的波动信号耦合噪声压制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：CN120745705B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511261329.8，技术领域涉及：G06N3/0455；该发明授权一种基于神经网络的波动信号耦合噪声压制方法是由宗晶晶;孙思男;刘培;钱峰;胡光岷设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种基于神经网络的波动信号耦合噪声压制方法在说明书摘要公布了：本发明公开了一种基于神经网络的波动信号耦合噪声压制方法，是一种基于邻位约束与初至前样本引导的自编码器波动信号中耦合噪声压制方法，应用于波动信号数据处理领域。针对现有技术在压制耦合噪声时易对有效信号造成较大损伤的问题，本发明设计了一个基于初至前噪声样本权重表征耦合噪声及波动信号相邻空间位置波形相似性的特征，在鲁棒主成分分析框架下，基于模型与数据联合驱动策略，以无监督的方式实现有效信号和强耦合噪声分离，减少对有效信号的损害。

本发明授权一种基于神经网络的波动信号耦合噪声压制方法在权利要求书中公布了：1.一种基于神经网络的波动信号耦合噪声压制方法，其特征在于，包括下列步骤： 步骤1，输入待进行耦合噪声压制的波动信号的观测数据，拾取观测数据中各个空间位置中波动信号初至波对应的时间位置，计算在初至波到达前的各个空间位置中噪声权值，构建出噪声权值矩阵； 步骤2，随机初始化强耦合噪声，以及设置分离迭代收敛条件； 步骤3，从观测数据中去除当前的强耦合噪声，得到当前迭代的去噪数据，并将其输入当前模型参数下的自编码器中获取当前迭代的重建干净数据；并基于重建损失与波形相似性损失对自编码器的模型参数进行更新； 步骤4，将当前迭代的去噪数据输入模型参数更新后的自编码器，基于其输出得到下一次迭代的去噪数据； 并基于当前迭代的去噪数据和噪声权值矩阵对强耦合噪声进行更新，得到下一次迭代的强耦合噪声； 步骤5，基于观测数据、最新的去噪数据和强耦合噪声判断是否达到分离迭代收敛条件，若否，则基于当前的去噪数据和强耦合噪声继续执行步骤3至步骤4；若是，则基于当前得到的重建干净数据输出观测数据的耦合噪声压制结果； 其中，基于重建损失与波形相似性损失对自编码器的模型参数进行更新时，训练的目标函数设置为：，其中，表示重建损失，表示波形相似性损失，表示波形相似性损失的权重，表示卷积自编码器的模型参数； 重建损失具体为： ； 其中，、分别表示卷积自编码器的编码部分和解码部分的输出，表示卷积自编码器的模型参数; 波形相似性损失具体为： ； 其中，和分别为去噪数据的行数和列数，、分别表示去噪数据的第i行第j列的数据元素、第i行第j+1列的数据元素，、分别表示去噪数据的第j列和第j+1列的均值。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。