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！

龙图腾网获悉上海交通大学申请的专利基于混合去噪先验的信号重建方法、系统、介质及终端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：CN119337055B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411215447.0，技术领域涉及：G06F18/10；该发明授权基于混合去噪先验的信号重建方法、系统、介质及终端是由郑紫阳;薛朵朵;戴文睿;李成林;邹君妮;熊红凯设计研发完成，并于2024-09-02向国家知识产权局提交的专利申请。

本基于混合去噪先验的信号重建方法、系统、介质及终端在说明书摘要公布了：本发明提供了一种基于混合去噪先验的信号重建方法和系统，包括：对不可直接获取的原始信号进行处理，获得测量信号；将传统去噪器与神经网络去噪器建立凸组合，形成新的去噪器，并将其功能特征作为去噪先验信息；在基于去噪先验信息的正则约束下，引入与去噪器有关的正则项函数，建立信号重建的优化逆问题；获得优化逆问题的初始解，从初始解出发，采用梯度下降步骤和去噪器相关的近端投影步骤构成近端梯度法；建立强化学习框架，自适应地获得近端梯度法的超参数；通过近端梯度法迭代求解得到最终重建信号，最终重建信号逼近原始信号。本发明将传统去噪先验与深度去噪先验自适应地结合，提高信号重建的灵活性与可靠性，满足当前信号重建的需求。

本发明授权基于混合去噪先验的信号重建方法、系统、介质及终端在权利要求书中公布了：1.一种基于混合去噪先验的信号重建方法，其特征在于，包括： 对不可直接获取的原始信号进行处理，获得测量信号； 将传统去噪器与神经网络去噪器建立凸组合，形成新的去噪器，将新的去噪器的功能特征作为去噪先验信息； 在基于所述去噪先验信息的正则约束下，引入与所述新的去噪器有关的正则项函数，基于所述测量信号，建立信号重建的优化逆问题； 获得所述优化逆问题的初始解，从所述初始解出发，采用梯度下降步骤和去噪器相关的近端投影步骤构成近端梯度法； 建立强化学习框架，自适应地获得所述近端梯度法的超参数； 基于所述超参数，通过所述近端梯度法迭代求解得到最终重建信号，所述最终重建信号逼近所述原始信号； 所述采用梯度下降步骤和去噪器相关的近端投影步骤构成近端梯度法，具体为： 在第τ次迭代时，梯度下降步骤的输出为：其中，是线性感知映射的伴随算子，ρτ-1是在第τ-1次迭代时求解所述优化逆问题得到的重建信号，ητ是第τ次迭代时梯度下降步骤的步长，y是所述测量信号； 在第τ次迭代时，去噪器相关的近端投影步骤的输出为： 其中ατ∈[0,1]是凸组合系数，或者其中是所述梯度下降步骤的输出，DN是基于神经网络搭建训练的包含光滑去噪先验信息的去噪器，σn为去噪强度，是的共轭转置，其中DW为包含低秩先验信息的去噪器，σw为去噪强度；S·为单位矩阵或者S·为单纯形投影算子，具体为：将作为输入矩阵，对所述输入矩阵ρ'τ进行奇异值分解得到特征值与特征向量，将所述特征值投影到单位单纯形上，然后与所述特征向量相乘； 所述建立强化学习框架，自适应地获得所述近端梯度法的超参数，具体为： 定义马尔可夫决策过程S,A,P,R,γ，其中，状态空间S为所述近端梯度法迭代过程中的密度矩阵ρτ,τ＝1,…,T，A为动作空间，其中T为所述近端梯度法的总迭代次数；状态转移函数P由所述近端梯度法中的M个迭代块组成，1≤M≤T，st+1＝Pst,at；奖励函数R为 其中是损失函数，为KL散度或均方误差，y为测量信号，为线性感知映射，st属于状态空间S，at属于动作空间A，γ∈[0,1]为折扣系数； 将轨迹T'＝{s0,a0,R0,…,sN,aN,RN}中的折扣奖励定义为建立状态缓冲器B，将所述状态空间中的状态存储在所述状态缓冲器中； 策略网络的输入为状态缓冲器中采样的状态st、测量信号y、近端梯度法的总迭代次数T；所述策略网络的输出为动作at，包含所述状态转移函数P中的凸组合系数与梯度下降步骤的步长； 通过策略梯度法优化所述策略网络，以最大化所有可能的轨迹中所述折扣奖励的期望值； 优化得到的策略网络自动地给出所述近端梯度法的超参数：凸组合系数ατ与梯度下降步骤的步长ητ,τ＝1,…,T。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。

以上内容由龙图腾AI智能生成。