Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北工业大学申强获国家专利权

西北工业大学申强获国家专利权

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!

龙图腾网获悉西北工业大学申请的专利一种MEMS多传感器自对比学习的盲降噪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:CN121614752B

龙图腾网通过国家知识产权局官网在2026-04-21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:202610130631.8,技术领域涉及:G06F18/15;该发明授权一种MEMS多传感器自对比学习的盲降噪方法是由申强;薛艳军;范晓龙;常洪龙设计研发完成,并于2026-01-30向国家知识产权局提交的专利申请。

一种MEMS多传感器自对比学习的盲降噪方法在说明书摘要公布了:本发明提供了一种MEMS多传感器自对比学习的盲降噪方法,属于微机电系统技术领域,包括接收MEMS多传感器的观测数据,构建白化矩阵得到白化数据;以随机单位向量初始化分离矩阵,求解最优分离向量,经正交化处理后输出归一化的信号源和噪声源;让单个观测信号、信号源和噪声源共享编码器权重提取特征,再输入解码器重构信号;计算总损失,总损失最小时输出高精度降噪信号。本发明采用上述的一种MEMS多传感器自对比学习的盲降噪方法,解决了传统方法中对未知环境干扰非高斯性建模的困境,解决待测物理量无先验信息状态下信号盲分离的幅值不确定性的问题。

本发明授权一种MEMS多传感器自对比学习的盲降噪方法在权利要求书中公布了:1.一种MEMS多传感器自对比学习的盲降噪方法,其特征在于,包括: S1、接收MEMS多传感器在飞行试验中感知的受未知环境干扰的观测数据,通过主成分分析对观测数据降维,得到保留核心特征的降维数据; MEMS多传感器系统中各传感器在感知外界角速度激励后,经接口电路、数据采集模块,获得观测数据: ; 其中,,,,分别为传感器1、传感器2、传感器n的观测信号; 观测数据由源信号耦合而成,耦合模型为: ; 其中,为真实待测物理量信号源,为多物理场环境干扰源,为耦合矩阵,为耦合矩阵各元素,表示多传感器在各自感知信号源过程中,同时受干扰源不同程度影响,形成耦合信号; 对降维数据做中心化处理,得到标准化数据,计算标准化数据的协方差矩阵并做特征值分解,利用特征值对角矩阵与特征向量矩阵构建白化矩阵,输出白化数据; S2、接收S1传递的白化数据,选取随机单位向量作为分离矩阵中各分离向量的初始值; 采用负熵度量信号非高斯性,并构建拉格朗日函数,通过牛顿迭代法求解最优分离向量,经迭代后获得归一化分离矩阵,对分离向量做正交化处理;将白化数据投影到独立成分上,输出归一化的信号源和噪声源; S3、接收S1中单个观测信号、S2传递的信号源和噪声源,三者共享编码器网络权重,经特征提取处理,分别输出低维特征向量;一方面分别计算单个观测信号与信号源和噪声源的相似度,另一方面将观测信号低维特征向量输入解码器,经信号重构处理,输出重构信号; S4、接收S3传递的重构信号、对比相似度;分别计算重构损失、对比损失,构成总损失,并通过反向传播算法以及Adam优化器迭代优化网络参数;当总损失最小时,重构信号最大程度贴近真实信号、远离噪声,输出高精度降噪信号。

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北工业大学,其通讯地址为:710072 陕西省西安市碑林区友谊西路127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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。