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！

龙图腾网恭喜河北工业大学申请的专利基于深度学习技术的物联网数据高分辨率感知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：CN115623521B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202211276937.2，技术领域涉及：H04W24/06；该发明授权基于深度学习技术的物联网数据高分辨率感知方法是由何静飞;孙一赫;张潇月;李云沛设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本基于深度学习技术的物联网数据高分辨率感知方法在说明书摘要公布了：本发明基于深度学习技术的物联网数据高分辨率感知方法，首先根据假定的物联网感知层的空间与时间信息，对采集数据进行空间和时间相关性处理，生成仿真感知数据；其次，将不同时间和空间相关性的仿真感知数据进行组合，生成用于模型训练的数据集；最后，构建高分辨率感知模型，在实际监测过程中，选取少量传感器节点组成物联网感知层对目标监测区域进行感知，得到低分辨率感知数据；低分辨率感知数据经过预处理后再输入到训练后的高分辨率感知模型中进行优化处理，得到高分辨率感知数据，完成物联网数据的高分辨率感知。该方法充分利用感知数据间的时间和空间相关信息，在不改变物联网感知层硬件设备的前提下，利用少量的传感器节点与低频次数据传输，实现对目标监测区域的高分辨率感知。

本发明授权基于深度学习技术的物联网数据高分辨率感知方法在权利要求书中公布了：1.一种基于深度学习技术的物联网数据高分辨率感知方法，其特征在于，包括以下步骤：步骤1、假定物联网感知层包含n个均匀随机部署在监测区域中的传感器节点，经过一个感知周期T＝mΔT，由n×m条数据被采集并传输到基站，这些数据组成一个感知数据矩阵其中，ΔT表示感知周期中单次感知的时隙长度，m表示感知周期包含的感知次数，表示实数域；步骤2、根据假定的物联网感知层的空间、时间信息，对物联网感知层采集的数据进行空间相关性处理与时间相关性处理，生成具有假定时空相关性的仿真感知数据；步骤2.1、空间相关性处理：令p＝x,y为监测区域的二维空间域D中任意传感器节点的位置坐标，随机选取一个传感器节点作为第一个传感器节点，位置坐标记为p1＝x1,y1，通过式2计算二维空间域D中各传感器节点与第一个传感器节点之间的欧式距离d； 步骤2.2、时间相关性处理：将二维空间域D中各传感器节点与第一个传感器节点之间的欧式距离按照从小到大进行排列，将二维空间域映射到一维空间域C＝[n×1]；在时间t＝t0＝0生成一个独立分布的随机高斯场，表示一维空间域中各传感器节点t0时刻的采集数据组成的数域；按照感知时间顺序，生成不同感知时间点的随机高斯场，再为随机高斯场添加时间相关性，得到具有时间相关性的随机高斯场ωp,ti、ωp,ti-1分别表示第i个和i-1个感知时间点的随机高斯场，i∈m，εp,ti表示随机噪声，γt∈0,1为时间相关系数；对具有时间相关性的随机高斯场进行二维傅里叶变换，得到傅里叶变换后的具有时间相关性的随机高斯场；然后，计算随机高斯场中各传感器节点之间的空间相关性并进行二维傅里叶变换，再与傅里叶变换后的具有时间相关性的随机高斯场相乘，得到随机高斯场的频域表达；最后，通过二维傅里叶逆变换将随机高斯场的频域表达转换为时域表达，得到具有时空相关性的不同感知时间点的感知数据；将不同感知时间点的感知数据，按照感知时间顺序放入矩阵中，得到仿真感知数据；计算各传感器节点之间的空间相关性的表达式为：rsd＝exp-γsα2d23其中，γs∈[0,1]表示相邻两个传感器节点之间的空间相关系数，人工设定值；α表示场大小的比例因子，人工设定值；步骤3、制备模型训练的数据集；将不同时间相关性和空间相关性的仿真感知数据进行组合，生成高分辨率仿真感知数据；对高分辨率仿真感知数据进行等距下采样，得到低分辨率感知数据，高、低分辨率仿真感知数据共同组成用于模型训练的数据集；步骤4、基于卷积神经网络构建高分辨率感知模型，利用步骤3得到的数据集对高分辨率感知模型进行训练，将训练后的高分辨率感知模型用于生成高分辨率感知数据；在实际监测过程中，选取kk∈n个传感器节点组成物联网感知层对目标监测区域进行感知，得到感知周期内的低分辨率感知数据，该低分辨率感知数据经过预处理后再输入到训练后高分辨率感知模型中进行优化处理，得到高分辨率感知数据；至此，完成基于深度学习技术的物联网数据高分辨率感知。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#；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”。