買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學院沈陽自動化研究所申請的專利基于注意力機制的低相干干涉信號去噪方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115526200B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210516792.2，技術領域涉及：G06F18/15；該發明授權基于注意力機制的低相干干涉信號去噪方法及系統是由張濤;夏仁波;趙吉賓;于彥鳳;張天宇設計研發完成，并于2022-05-12向國家知識產權局提交的專利申請。

本基于注意力機制的低相干干涉信號去噪方法及系統在說明書摘要公布了：本發明公開了基于注意力機制的低相干干涉信號去噪方法及系統，包括：S1、對低相干信號進行預處理，構建包含噪聲的低相干信號訓練集；S2、構建由殘差模塊、上下文信息提取模塊、自注意力模塊組成的深度一維卷積去噪神經網絡；S3、將訓練數據輸入訓練好的網絡，消除信號中的噪聲；S4、輸出干凈的低相干信號。系統包括：低相干測量儀、數據采集卡、計算服務器、交互控制裝置、顯示屏。本發明提出的基于上下文信息與自注意力的低相干信號去噪方法及系統具有調參簡單，信號噪聲消除效果好等優點。

本發明授權基于注意力機制的低相干干涉信號去噪方法及系統在權利要求書中公布了：1.基于注意力機制的低相干干涉信號去噪方法，其特征在于，包括： S1、對低相干信號進行歸一化處理；構建包含噪聲的低相干信號數據集； S2、構建深度一維卷積去噪神經網絡；包括： S21、建立網絡模型，包括：特征提取模塊、上下文特征增強模塊、自注意力模塊、殘差模塊；所述特征提取模塊結合上下文特征增強模塊，對其接收的原始低相干信號進行處理，提取非線性信號特征； S22、特征提取模塊包括第1層、第2層、第3層、第4層、第5層、第6層、第7層、第8層、第9層、第10層、第11層卷積神經網絡；其中第1層、第3層、第5層、第6層、第8層、第10層的操作包括卷積、批量規范化和激活；第2層、第7層、第9層的操作包括擴張卷積、批量規范化和激活；第11層僅有卷積操作； S23、第5層網絡輸出的特征送入上下文特征增強模塊，以增強網絡獲得全局上下文信息的能力；經過特征增強后，上下文特征增強模塊將增強后的特征輸入第6層網絡，并被后續第7層、第8層、第9層、第10層、第11層網絡處理； S24、第11層網絡輸出的特征通過級聯操作與含噪聲的原始低相干信號融合，進一步增強網絡的特征提取能力，并利用雙曲正切Tanh激活函數將融合后的特征換轉為非線性特征并同時進行歸一化； S25、所述自注意力模塊用于對非線性特征，進一步增強網絡的噪聲提取能力，輸出提取到的噪聲信號； S26、所述殘差模塊，用于將原始低相干信號減去提取到的噪聲信號，得到干凈的低相干信號； S3、利用訓練集數據訓練深度一維卷積去噪神經網絡，驗證集數據驗證網絡是否收斂，測試集數據測試噪聲信號消除效果；包括： S31、用訓練集訓練深度一維卷積去噪神經網絡，采用均方誤差作為損失函數，并利用反向傳播算法訓練網絡的參數； S32、在訓練過程中，用驗證集檢驗模型是否收斂； S33、模型收斂后，使用測試集評估網絡消除噪聲信號的能力，并結束訓練； S4、利用訓練好的一維卷積去噪神經網絡對待處理的含噪聲信號進行處理，輸出低相干信號。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學院沈陽自動化研究所，其通訊地址為：110016 遼寧省沈陽市沈河區南塔街114號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。