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！

龙图腾网获悉西安交通大学申请的专利一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质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：CN115687887B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211307564.0，技术领域涉及：G06F18/00；该发明授权一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质是由刘乃豪;雷友波;杨阳;王家乐;王静宇;王治国;高静怀设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质在说明书摘要公布了：本发明公开一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质。其中方法包括利用深度学习框架构建基于自监督生成对抗网络的稀疏时频分析网络，稀疏时频分析网络包括生成器、监管器和重构模块；计算合成地震数据的稀疏时频谱，构建监管器的数据集；选取部分实际地震数据与合成地震数据合并，作为生成器的数据集；分别设计生成器损失函数和监管器损失函数；训练基于自监督生成对抗网络的稀疏时频分析网络模型；将完成训练的基于自监督生成对抗网络的稀疏时频分析网络模型用于三维叠后地震数据，以分析解释地质储层结构。该方法能够提高计算的效率，降低稀疏时频变换方法的设计成本。

本发明授权一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质在权利要求书中公布了：1.一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法，其特征在于，包括以下步骤： 利用深度学习框架构建基于自监督生成对抗网络的稀疏时频分析网络，所述稀疏时频分析网络包括生成器、监管器和重构模块，具体包括： 基于图像分割的模型，构建能够将一维地震信号映射为二维时频谱的生成器， 根据短时傅里叶变换的反变换公式，构建具有物理含义的重构模块， 基于衡量稀疏性的方法和卷积神经网络搭建监管器， 所述重构模块具有物理含义，且用于约束所述生成器生成正确的稀疏时频谱，所述监管器用于监管所述生成器生成的稀疏时频谱是否接近真实的稀疏时频谱； 计算合成地震数据的稀疏时频谱，构建所述监管器的数据集； 选取部分实际地震数据与所述合成地震数据合并，作为所述生成器的数据集； 分别设计生成器损失函数和监管器损失函数，具体包括： 指定所述监管器的优化约束， 所述重构模块使用短时傅里叶变换反变换以构建的重构物理约束， 利用所述监管器提供稀疏约束， 利用所述重构物理约束和所述稀疏约束构成所述生成器损失函数； 训练基于自监督生成对抗网络的稀疏时频分析网络模型； 将完成训练的基于自监督生成对抗网络的稀疏时频分析网络模型用于三维叠后地震数据，以分析解释地质储层结构。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。