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！

龙图腾网获悉国网江西省电力有限公司信息通信分公司申请的专利基于物理仿真与自监督时序解耦的光缆微扰动识别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：CN121615518B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610139437.6，技术领域涉及：G06F30/27；该发明授权基于物理仿真与自监督时序解耦的光缆微扰动识别方法是由肖子洋;李路明;王华;彭超;张治国;顾雪亮设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本基于物理仿真与自监督时序解耦的光缆微扰动识别方法在说明书摘要公布了：本发明公开了基于物理仿真与自监督时序解耦的光缆微扰动识别方法，涉及光缆识别技术领域，包括：构建物理数字孪生仿真器，生成高保真训练集；构建深度学习模型，所述深度学习模型采用轻量化时序解耦网络；采用分阶段训练策略训练模型，依次进行自监督噪声分布预训练、仿真监督训练与谱域物理一致性微调操作；将实时采集的DAS时序数据输入训练后模型，输出为光缆身份ID和物理位置；所述轻量化时序解耦网络包括物理引导预处理模块、轻量化U‑Net分离模块、稀疏门控模块和智能并行解码模块。本发明通过仿真驱动的数据生成、分阶段训练策略等技术手段，解决了现有技术在降低数据成本、提高低SNR环境下的检测能力、实现多源盲源分离等方面的不足。

本发明授权基于物理仿真与自监督时序解耦的光缆微扰动识别方法在权利要求书中公布了：1.基于物理仿真与自监督时序解耦的光缆微扰动识别方法，其特征在于，具体包括以下步骤： 步骤S1、构建基于物理信道响应与真实噪声的物理数字孪生仿真器，生成包含多径效应、色散与复杂噪声的高保真训练集； 步骤S2、构建深度学习模型，所述深度学习模型采用物理引导的轻量化时序解耦网络，用于从单通道混叠时序信号中提取并分离多路微扰动特征； 步骤S3、采用分阶段训练策略训练所述深度学习模型，依次进行自监督噪声分布预训练、仿真监督训练与谱域物理一致性微调操作； 步骤S4、将实时采集的DAS时序数据输入训练完成的深度学习模型，输出为光缆身份ID和物理位置； 其中，所述轻量化时序解耦网络由四个级联模块组成，包括物理引导预处理模块、轻量化U-Net分离模块、稀疏门控模块和智能并行解码模块； 所述步骤S1具体包括： 步骤S11、根据事件类型库中的预设事件类型，采用线性调频信号作为基础编码，生成理想激励信号； 步骤S12、针对地下管廊中光缆的不同敷设状态，构建符合瑞利衰落分布的随机信道冲激响应滤波器，将理想激励信号与信道冲激响应进行一维卷积运算，得到包含多径混响特征的信号； 步骤S13、基于光纤传输损耗特性，构建指数衰减函数，将卷积后的包含多径混响特征的信号与衰减因子相乘，模拟信号长距离传输衰减； 步骤S14、从真实DAS背景噪声库中随机截取环境噪声片段，根据预设目标信噪比计算噪声缩放系数，将缩放后的噪声叠加到信号上； 步骤S15、输出包含物理传播特征及真实环境噪声的二维时空矩阵数据，将其作为深度学习模型的高保真训练集与验证集； 所述步骤S15中二维时空矩阵数据的表达式为： ； 其中，为二维时空矩阵数据，为时间维度，为空间维度，为理想激励信号，为卷积运算节点，为信道冲激响应，为光纤衰减系数，为噪声缩放系数，为环境噪声片段； 所述理想激励信号的表达式为： ； 其中，为信号幅值，为起始频率，为终止频率，为信号持续时间，为用于平滑信号边缘的窗函数； 所述信道冲激响应的表达式为： ； 其中，为多径数量，、、分别为第条路径的衰减系数、相位偏移和时间延迟，为虚数单位； 所述噪声缩放系数的表达式为： ； 其中，为信号功率，为原始噪声功率，为预设目标信噪比。

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国网江西省电力有限公司信息通信分公司，其通讯地址为：330000 江西省南昌市高新技术产业开发区昌东大道7077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。