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！

龙图腾网获悉中国科学技术大学;中国电力科学研究院有限公司申请的专利融合卡尔曼滤波与神经网络的电场传感信号去噪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：CN120744316B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510862617.2，技术领域涉及：G06F18/10；该发明授权融合卡尔曼滤波与神经网络的电场传感信号去噪方法是由刘磊;郭经红;梁云;唐艳;陈硕;宋坤;胡子谦;李斌设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本融合卡尔曼滤波与神经网络的电场传感信号去噪方法在说明书摘要公布了：本申请提供一种融合卡尔曼滤波与神经网络的电场传感信号去噪方法，涉及信号去噪领域，该方法包括：基于第一频域信号进行反向传播训练得到循环神经网络RNN；接收第二频域信号进行特征提取得到第一特征向量，进行非线性失真建模生成第一失真观测信号；进行卡尔曼滤波状态估计得到第一估计状态；通过两层全连接网络将第一估计状态映射回信号空间，得到输出映射信号；通过逆短时傅里叶变换将输出映射信号从频域转换至时域，进行反归一化处理得到目标电场传感信号。本申请融合卡尔曼滤波和改进的循环神经网络进行联合优化，通过全连接网络估计捕捉电场传感器信号的非线性噪声特性，增强了非线性建模能力，实现对电场传感信号的高效高精度去噪。

本发明授权融合卡尔曼滤波与神经网络的电场传感信号去噪方法在权利要求书中公布了：1.一种融合卡尔曼滤波与神经网络的电场传感信号去噪方法，其特征在于，包括： 对含噪的第一电场传感信号和含噪的第二电场传感信号进行归一化处理，并通过短时傅里叶变换将信号从时域转换至频域，得到第一频域信号和第二频域信号； 基于标准LSTM、XLSTM和LSTM2中的至少一者确定循环神经网络框架，并基于所述第一频域信号进行反向传播训练得到循环神经网络RNN； 基于所述循环神经网络RNN接收所述第二频域信号，进行特征提取得到第一特征向量，并进行非线性失真建模生成第一失真观测信号； 基于所述第一特征向量和所述第一失真观测信号进行卡尔曼滤波状态估计，得到第一估计状态； 通过两层全连接网络将所述第一估计状态映射回信号空间，得到输出映射信号； 通过逆短时傅里叶变换将所述输出映射信号从频域转换至时域，并进行反归一化处理，得到降噪后的目标电场传感信号； 所述基于所述第一特征向量和所述第一失真观测信号进行卡尔曼滤波状态估计，得到第一估计状态，包括： 确定所述第一失真观测信号为卡尔曼滤波的观测方程的输入信息； 通过全连接层对所述第一特征向量进行处理，生成状态转移矩阵以使卡尔曼滤波的动态模型可随信号特性进行自适应调整并捕捉非线性变化； 基于所述输入信息和所述状态转移矩阵，通过卡尔曼滤波的贝叶斯框架进行状态估计，得到第一估计状态； 所述基于所述输入信息和所述状态转移矩阵，通过卡尔曼滤波的贝叶斯框架进行状态估计，得到第一估计状态，包括： 基于信号统计特性进行卡尔曼滤波状态的初始化，设置初始状态、初始的第一协方差和初始的第二协方差； 通过所述全连接层生成缩放因子，并基于所述第一协方差、所述第二协方差和所述缩放因子计算第一噪声协方差和第二噪声协方差； 根据卡尔曼滤波的状态方程，使用所述状态转移矩阵预测下一时刻的状态，并结合所述第一噪声协方差更新不确定性； 利用输入的所述第一失真观测信号计算观测残差以表征实际观测与预测观测的差值，基于所述第二噪声协方差和预测不确定性确定卡尔曼增益以修正状态，生成修正后的状态并更新协方差； 将修正后的状态和更新后的协方差传递至下一时间步，重复进行预测和更新以确保信号状态随时间平滑估计，在滤除噪声的同时保留信号细节，得到第一估计状态。

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中国科学技术大学;中国电力科学研究院有限公司，其通讯地址为：230026 安徽省合肥市金寨路96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。