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！

龙图腾网恭喜中国科学院国家空间科学中心申请的专利一种基于模型引导的微弱瞬态信号特征学习与信号重建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：CN119760363B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510252103.5，技术领域涉及：G06F18/20；该发明授权一种基于模型引导的微弱瞬态信号特征学习与信号重建方法是由任春旭;牛文龙;高伟华;李彦钊;彭晓东;杨震;李运设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本一种基于模型引导的微弱瞬态信号特征学习与信号重建方法在说明书摘要公布了：本发明属于信号处理领域，涉及一种基于模型引导的微弱瞬态信号特征学习与信号重建方法，包括：将待检测的微弱瞬态信号输入基于模型引导的微弱瞬态信号特征学习网络中，得到重建的瞬态信号；基于模型引导的微弱瞬态信号特征学习网络包括两个模组：模型引导模组和编码‑解码特征学习模组，两个模组对输入的微弱瞬态信号并行处理，并将处理结果通过后处理卷积块进行统一处理，输出重建的瞬态信号。本发明通过构建波形已知的瞬态信号数学模型，批量生成训练数据，显著降低了数据标注的高昂成本；通过结合模型驱动方法和深度学习的优势，有效提高了网络的检测能力和可解释性。有效解决了微弱瞬态信号在强噪声背景下难以有效检测和高精度重建的问题。

本发明授权一种基于模型引导的微弱瞬态信号特征学习与信号重建方法在权利要求书中公布了：1.一种基于模型引导的微弱瞬态信号特征学习与信号重建方法，包括：将待检测的微弱瞬态信号输入基于模型引导的微弱瞬态信号特征学习网络中，得到重建的瞬态信号；所述基于模型引导的微弱瞬态信号特征学习网络包括两个模组：模型引导模组和编码-解码特征学习模组，两个模组对输入的微弱瞬态信号并行处理，并将处理结果通过后处理卷积块进行统一处理，输出重建的瞬态信号；所述模型引导模组包括两个卷积块和四个残差块，其中四个残差块串联在两个卷积块之间，其中，每个所述卷积块包括一个一维卷积层和一个点卷积层；每个所述残差块，包括两个串联的SBR结构，每个SBR结构包括串联的一维可分离卷积、批标准化和非线性激活；所述残差块的处理过程包括：输入特征经过两个SBR结构处理后得到中间特征，中间特征与输入特征进行融合，再经过一个非线性激活得到输出特征；所述模型引导模组还包括串联在第二个卷积块后的信号处理模块，所述信号处理模块使用滑动窗口对输入的微弱瞬态信号进行滑动，采用核函数方法得到一组模型特征，满足下式： 其中，D表示得到的微弱瞬态信号的模型特征值，和分别表示后窗口和前窗口的大小，i表示后窗口中的第i个信号点，表示后窗口中的第i个信号点的灰度值，j表示前窗口中的第j个信号点，表示前窗口中的第j个信号点的灰度值，和分别为后窗口和前窗口内信号的灰度均值，e为自然常数；所述编码-解码特征学习模组包括：四个编码器、四个解码器和一个连接器，其中，第一个编码器的输入为待检测的微弱瞬态信号，其余编码器的输入为前一个编码器的输出；每个编码器提取待检测的微弱瞬态信号不同的特征，逐步提取出多层次的特征表示；连接器用于将第四个编码器输出的特征维度与第一个解码器的输入特征维度保持一致；前三个解码器的输出都与同级编码器的输出进行特征融合，融合后的特征传递至下一解码器，第四个解码器的输出与信号处理模块的输出进行特征融合，融合后的特征送入后处理卷积块，得到重建的瞬态信号；所述特征融合包括特征相连和注意力机制。

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院国家空间科学中心，其通讯地址为：100190 北京市海淀区中关村南二条1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”。