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！

龙图腾网获悉广东工业大学申请的专利一种多界面形貌超分辨测量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：CN118735784B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202410919780.3，技术领域涉及：G06T3/4053；该发明授权一种多界面形貌超分辨测量方法是由白玉磊;黄泽安;董博;何昭水;谢胜利设计研发完成，并于2024-07-10向国家知识产权局提交的专利申请。

本一种多界面形貌超分辨测量方法在说明书摘要公布了：本发明公开了一种多界面形貌超分辨测量方法，包括：构建扫频干涉信号数据集；利用扫频干涉信号频谱的稀疏性构建扫频干涉信号标签；对扫频干涉信号数据进行归一化；基于归一化后的扫频干涉信号数据构建并训练超分辨率频谱预测模型；采用优化后的超分辨率频谱预测模型预测被测面的超分辨率频谱；利用预测得到的被测面的超分辨率频谱追踪其相位谱；利用追踪得到的被测面的相位谱重构出其形貌场。本发明构建出扫频干涉信号数据集；再利用数据驱动模型学习数据集中扫频干涉信号的稀疏性特征，实现深度方向上的超分辨测量。本发明无需额外参数进行计算，且得到的模型具有较好的鲁棒性，克服了传统物理建模方法需要进行参数设计和抗干扰能力弱的问题。

本发明授权一种多界面形貌超分辨测量方法在权利要求书中公布了：1.一种多界面形貌超分辨测量方法，其特征在于，包括： 构建扫频干涉信号数据集； 利用扫频干涉信号频谱的稀疏性构建扫频干涉信号标签； 对扫频干涉信号数据进行归一化； 基于归一化后的扫频干涉信号数据构建并训练超分辨率频谱预测模型； 采用优化后的超分辨率频谱预测模型预测被测面的超分辨率频谱； 利用预测得到的被测面的超分辨率频谱追踪其相位谱； 利用追踪得到的被测面的相位谱重构出其形貌场； 构建的超分辨率频谱预测模型包括以CVSwinFreq模型为基础框架，包括复值滤波模块和超分辨率模块； 其中，复值滤波模块包括CVLinear层和CVConv2d层； CVLinear层中，linear_r和linear_i属性分别储存一个实值线性层，用于数据实部和虚部的线性运算；复数数据进入CVLinear时，实部和虚部分别通过对应实值线性层，再通过映射关系获得结果，并储存到新创建的CVTensor对象中； CVConv2d层中，conv_r和conv_i属性分别储存一个一二维实值卷积层，用于数据实部和虚部的卷积运算；复数数据进入CVConv2d层时，实部和虚部分别通过对应实值卷积层，再通过映射关系获得结果，并储存到新创建的CVTensor对象中； 所述超分辨率模块包括复值信号移位窗口注意力模块、CVConv1d层、UPConvld层； 复值信号移位窗口注意力模块包括信号移位窗口注意力层和CVConv1d层，在输入和CVConv1d层处进行残差连接； 信号移位窗口注意力层包括层归一化层、多头移位窗口注意力机制运算层、多层感知机； 信号通过层归一化层后会进行一次移位窗口注意力计算，然后在残差连接后再次经过层归一化层、多层感知机，最后进行残差连接后得到输出； 所述多头移位窗口注意力机制运算层的多头移位窗口注意力机制如下： 在信号进入第单数个信号移位窗口注意力层时，信号被移位窗口分割成两个部分，然后进行注意力计算， Q＝ZPQ,K＝ZPK,V＝ZPV,7 公式7中，Q，K，V在注意力运算分别被称为查询向量、键向量和值向量；PQ，PK，PV分别为查询权重矩阵、键权重矩阵和值权重矩阵，是参与训练学习的参数；Z为窗口分割后的信号； 公式8中，atten·为注意力计算操作，d为多头移位窗口注意力的内置维度，B为可学习的相对位置编码； 公式9中，σ·为softmax操作，作用是对数据进行指数加权，Xi为进行softmax计算的自变量，n为分割信号的窗口个数； 信号进入第双数个信号移位窗口注意力层时，信号被移位窗口分割成三个部分，再根据公式7、公式8、公式9进行注意力计算，以此类推； 构建扫频干涉信号数据集，包括： 扫频干涉测量中，系统在消除扫频干涉信号中的直流分量和自相干分量后，根据光学干涉原理，采集所得到的多表面扫描扫频干涉信号在时域t中表示如下： 其中，M为参与干涉的表面个数；IR、Im分别为参考面和被测面的反射光强，Λm为参考面和被测面的光程差，Δk为激光波数扫描范围；k0为扫频光源的起始波数，为参考面与被测面反射光干涉时产生的频率，为参考面与被测面反射光干涉时的初始相位； 在有噪声环境下，采样后的扫频干涉信号的形式表示为： 公式2等价于叠加噪声的公式1；其中N为扫频干涉信号的采样点数，M为参与干涉的表面个数，Re[·]表示取复数的实部，fi∈[-0.5,0.5表示信号采样频率为Fs＝1Hz时参考面与被测面反射光互相干涉时所产生的频率，αi∈[0,1为参考面与被测面反射光互相干涉所产生频率的对应幅值，为参考面与被测面反射光互相干涉时的初始相位，z[t]是环境中的高斯噪声； 根据公式2改变频率fi、幅值αi、相位获得丰富多样的扫频干涉信号，且fi采样时满足高斯分布，αi和采样时满足均匀分布； 创建出扫频干涉信号对应的解析信号，并对其取实部和虚部系数组成网络输入， 根据公式3获得扫频干涉信号在复数域的解析信号，每一个信号分别提取其实部和虚部组成矩阵Re[·]和Im[·]分别表示取复数的实部和虚部；矩阵Input大小为2×N，将其作为一个训练数据； 对扫频干涉信号数据进行归一化的公式如下： 其中，xi为归一化前的扫频干涉数据，为归一化后的扫频干涉数据，N为采样扫频干涉信号长度；当矩阵Input进行归一化时，对矩阵中所有扫频干涉信号值求平方和再取均值，然后将二次根式后的均值作为这个矩阵的归一化因子，所有信号值都要除上归一化因子得到归一化数据； 采用优化后的超分辨率频谱预测模型预测被测面的超分辨率频谱时，将采集到的扫频干涉信号转换到复数域的解析信号，变换公式如下： 其中，H[·]为希尔伯特变换算子，It为扫频干涉信号；干涉信号在经过希尔伯特变换后获得了其对应的解析信号但因为解析信号处于复数域，所以需要在变换后获取解析信号的虚部作为干涉信号的虚部， 将扫频干涉信号的实部和虚部组成2×N矩阵N为干涉信号长度。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。