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！

龙图腾网恭喜中交公规土木大数据信息技术(北京)有限公司;宜昌长江大桥建设营运集团有限公司申请的专利结构健康监测信号压缩采样方法及装置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：CN115270856B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210791350.9，技术领域涉及：G06F18/24；该发明授权结构健康监测信号压缩采样方法及装置是由金耀;李知强;王俊博;谭啸;崔营营;何文君;鲁昆设计研发完成，并于2022-07-05向国家知识产权局提交的专利申请。

本结构健康监测信号压缩采样方法及装置在说明书摘要公布了：本发明提供了一种结构健康监测信号压缩采样方法及装置，涉及信号处理和结构健康监测技术领域。该方法包括迁移学习压缩的深度卷积生成对抗网络的压缩采样观测矩阵的设计、深度卷积生成对抗网络的网络架构设计、网络模型参数的设置、迁移学习的应用、最优低维表征向量的求取等。本发明利用深度卷积生成对抗网络强大的特征学习能力，从监测信号大数据中学习其内部结构特征，将其应用于压缩采样，大大缓解了解压缩重构过程的不适定性，有助于打破传统方法对稀疏基的高度依赖，避免寻找合适稀疏基的繁琐过程。

本发明授权结构健康监测信号压缩采样方法及装置在权利要求书中公布了：1.一种结构健康监测信号压缩采样方法，其特征在于，包括：获取待测结构的健康监测信号，建立信号数据集；初始化第一生成器和第一判别器，构建生成对抗网络，所述第一生成器和第一判别器的网络结构均依次包括5层一维卷积层、批标准化层和激活函数层，所述生成对抗网络使用Adam优化器来反向更新生成器和判别器的网络参数；随机产生具有初始维数的第一表征向量，将所述第一表征向量输入所述第一生成器，使用所述信号数据集初步训练所述生成对抗网络，得到训练好的第二生成器和第二判别器；随机产生一组具有所述初始维数的第二表征向量，将所述第二表征向量输入所述第二生成器，生成对应的类真实信号，计算所述类真实信号与所述信号数据集之间的相似度，作为所述第二生成器的生成能力；将所述第二表征向量的初始维数逐次均匀递减，将每次维数递减后的第二表征向量输入当前的生成器，使用特征提取模型对所述生成对抗网络进行迁移学习训练，在每次迁移学习训练结束后均判断当前生成器的生成能力和当前第二表征向量的维数是否各自满足对应的条件，如果是，则停止所述迁移学习训练，得到训练好的第三生成器和第三判别器；采用线性的观测矩阵，对所述健康监测信号进行压缩并加入随机噪声信号，得到压缩采样数据；随机产生一组具有本征维数的第三表征向量，作为所述第三生成器的输入，采用梯度下降算法并基于所述压缩采样数据来迭代优化所述第三表征向量，将优化后的第三表征向量重新输入所述第三生成器，生成所述健康监测信号对应的解压缩重构信号；其中，计算所述类真实信号与所述信号数据集之间的相似度，具体包括：引入基于深度残差收缩网络构建的预训练诊断分类模型，在对所述信号数据集进行分类之前进行数据截断，得到特征提取模型；使用所述特征提取模型分别提取所述类真实信号和信号数据集的高维特征，使用多元正态分布分别对两个所述高维特征进行拟合，得到类真实信号拟合特征和信号数据集拟合特征；计算所述类真实信号拟合特征与信号数据集拟合特征之间的弗雷歇距离，将所述弗雷歇距离确定为所述类真实信号与所述信号数据集之间的相似度；所述类真实信号拟合特征与信号数据集拟合特征之间的弗雷歇距离根据以下公式计算得出： 其中，和分别表示信号数据集拟合特征的期望和协方差矩阵；和分别表示 类真实信号拟合特征的期望和协方差矩阵；Tr表示方阵的迹，也即方阵的主对角线元素 之和；表示弗雷歇距离，也即第二生成器的生成能力。

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交公规土木大数据信息技术(北京)有限公司;宜昌长江大桥建设营运集团有限公司，其通讯地址为：100010 北京市东城区东四前炒面胡同33号14号楼205室；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”。