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！

龙图腾网获悉南京邮电大学申请的专利一种面向振动触觉信号的码率延迟可伸缩编码方法及系统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：CN120729333B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511233847.9，技术领域涉及：H03M7/40；该发明授权一种面向振动触觉信号的码率延迟可伸缩编码方法及系统是由高赟;周亮;朱宣霖;宋杰设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本一种面向振动触觉信号的码率延迟可伸缩编码方法及系统在说明书摘要公布了：本发明公开了一种面向振动触觉信号的码率延迟可伸缩编码方法及系统，涉及振动触觉信号编码技术领域，包括：接收三轴振动触觉信号，对三轴振动触觉信号进行预处理，得到预处理后的三轴振动触觉信号，将预处理后的三轴振动触觉信号输入至预先建立的基于有限标量量化及注意力的非平稳自编码器模型内，输出得到归一化重建帧与归一化帧的差值以及FSQ码字；基于归一化重建帧与归一化帧的差值计算得到残差，采用非均匀量化方法，根据量化位宽对残差进行量化，生成残差量化索引，将FSQ码字和残差量化索引使用熵编码进行无损压缩，生成输出比特流，能够提升编码性能。

本发明授权一种面向振动触觉信号的码率延迟可伸缩编码方法及系统在权利要求书中公布了：1.一种面向振动触觉信号的码率延迟可伸缩编码方法，其特征在于，方法包括以下步骤： 接收三轴振动触觉信号，对三轴振动触觉信号进行预处理，得到预处理后的三轴振动触觉信号，将预处理后的三轴振动触觉信号输入至预先建立的基于有限标量量化及注意力的非平稳自编码器模型内，输出得到归一化重建帧与归一化帧的差值以及FSQ码字； 所述将预处理后的三轴振动触觉信号输入至预先建立的基于有限标量量化及注意力的非平稳自编码器模型内，输出得到归一化重建帧与归一化帧的差值以及FSQ码字的过程，包括： 将预处理后的一维帧x进行初始归一化，生成归一化帧x'，随后基于注意力的非平稳自编码器模型NAE将x'压缩为潜在紧凑触觉表征z，FSQ层进一步将z量化为码本C，作为FSQ码字，核心参数通过无线通信网络传输至接收端，其中，所述核心参数包括均值µx、标准差σx及码字C； 接收端首先将码字C还原为压缩表征，经NAE解码器得到归一化重建帧，再通过反归一化处理输出重建帧，其中，在端到端的训练过程中额外构建了多尺度判别器损失函数； 所述预先建立的基于有限标量量化及注意力的非平稳自编码器模型的训练如下： 设计损失函数以优化训练，多尺度判别器与FSQ-NAE模型的损失函数定义如下： 多尺度判别器损失：判别器训练目标为最小化以下铰链对抗损失函数： 其中K表示判别器模型数量，mean·表示平均值计算，x'表示归一化帧，表示归一化重建帧，Dk·表示第k个判别器在最后一层的输出； FSQ-NAE模型损失：FSQ-NAE模型的训练目标包括均方误差损失、结构相似性损失、对抗损失以及特征损失： 均方误差损失确保重建触觉帧在样本层面具有优异保真度，即： 其中x表示输入一维帧，表示输出重建帧，L表示为帧长度； 结构相似性损失确保重建触觉帧保持结构相似性，即： 其中ssim·表示两个触觉帧之间的一维SSIM计算，x表示输入一维帧，表示输出重建帧； 对抗损失旨在克服判别器的区分效应，即： 其中表示归一化重建帧，K表示判别器模型数量，Dk·表示第k个判别器在最后一层的输出； 特征损失通过平均不同输入在判别器内部层输出的L1距离来计算，即： 其中M表示每个判别器模型的层数，K表示判别器模型数量，x'表示归一化帧，表示归一化重建帧，Dmk·表示第k个判别器在第m层的输出；FSQ-NAE模型的损失LG是四个不同组成部分的加权和： 其中表示均方误差损失，表示结构相似性损失，表示对抗损失，表示特征损失，λmse表示均方误差损失在模型损失中的权重，λssim表示结构相似性损失在模型损失中的权重，λadv表示对抗损失在模型损失中的权重，λfeat表示特征损失在模型损失中的权重； 所述FSQ-NAE模型的非平稳注意力机制的过程如下： 从自注意力机制出发，接收原始非平稳触觉帧x作为输入： 其中Q、K、V分别表示Query、Key、Value，其中，Q、K、V的长度均为L，维数均为dk，Attn·表示注意力机制，Softmax·表示归一化指数函数；嵌入层表示为F·，设F具有线性性质，并分别应用于每个输入样本，因此，Q=[q1,q2,…qL]T中的每个查询，可计算为qi=Fxi； 使用生成的归一化触觉帧x'作为输入，Q'=[Fx1',Fx2'，…，FxL']T基于线性性质推导出，其中是Q在时间维上的平均值，σx表示标准差； 基于原始触觉框架和标准化框架的注意权重之间的联系： 其中Q和K分别表示长度为L、维数为dk的Query和Key，µQ表示Q在时间维上的平均值，µK表示K在时间维上的平均值,σx表示标准差,，，，，分别对内的每一列和每个元素进行求和运算，对公式的两边执行Softmax·运算，Softmax·表示归一化指数函数，得到注意力权重之间的直接联系： 其中dk表示维数，逼近定义为非平稳因子的正尺度标量τ=σx2和移位向量，利用多层感知器MLP层直接从原始触觉帧x中学习非平稳因子τ和，以及统计量µx和σx；非平稳注意力的计算如下： 其中，µV表示V在时间维上的平均值；通过一维卷积块设置卷积核和步进，将非平稳注意力块的输出映射为大小的潜在触觉表征z； 基于归一化重建帧与归一化帧的差值计算得到残差，采用非均匀量化方法，根据量化位宽对残差进行量化，生成残差量化索引，将FSQ码字和残差量化索引使用熵编码进行无损压缩，生成输出比特流。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。