買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜同濟大學申請的專利一種基于信號智能降噪算法的狀態監測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114861733B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210589247.6，技術領域涉及：G06F18/2411；該發明授權一種基于信號智能降噪算法的狀態監測方法是由戴寶銳;李奇設計研發完成，并于2022-05-27向國家知識產權局提交的專利申請。

本一種基于信號智能降噪算法的狀態監測方法在說明書摘要公布了：一種基于信號智能降噪算法的狀態監測方法，包括：將采集的不同狀態下信號樣本劃分為訓練集和測試集；利用FDWT將訓練集信號分解為多層小波系數；提取各層小波系數的最大值和平均值作為信號特征并評估它們對于狀態識別的有效性；記錄有效性高的信號特征對應的分解層編號；建立信號智能降噪模型并利用訓練集信號進行模型訓練，該模型對有效性高的信號特征對應的分解層采用FDWT分解信號，對其余分解層采用智能降噪算法分解信號；利用訓練好的智能降噪模型將訓練集和測試集信號分解為降噪后的多層小波系數并提取各層小波系數的最大值和平均值作為信號特征；根據訓練集信號的特征訓練分類模型，采用測試集信號的特征測試狀態識別效果。

本發明授權一種基于信號智能降噪算法的狀態監測方法在權利要求書中公布了：1.一種基于信號智能降噪算法的狀態監測方法，包括以下步驟：S1、將采集的不同狀態下的信號樣本劃分為訓練集和測試集；S2、利用快速離散小波變換FDWT將訓練集信號分解為多層小波系數；S3、提取各層小波系數的最大值和平均值作為信號特征并評估它們對于狀態識別的有效性；S4、記錄有效性高的信號特征對應的分解層編號；S5、建立信號智能降噪模型并利用訓練集信號進行模型訓練，該模型對有效性高的信號特征對應的分解層采用FDWT分解信號，對其余分解層采用智能降噪算法分解信號；S6、利用訓練好的智能降噪模型將訓練集和測試集信號分解為降噪后的多層小波系數并提取各層小波系數的最大值和平均值作為信號特征；S7、根據訓練集信號的特征訓練分類模型，采用測試集信號的特征測試狀態識別效果；所述步驟S3中評估信號特征對于狀態識別的有效性采用FisherScore指標，該指標表示為： 1其中，是第i個信號特征的FisherScore值，是第j個狀態類別中的樣本數量，和是第i個信號特征在第j個狀態類別下的均值和標準差，是第i個信號特征在所有狀態類別下的均值，J為狀態類別總數；所述步驟S5中的智能降噪模型，模型的建立和訓練包括以下子步驟；S5.1、搭建與FDWT算法分解流程一致的L層信號分解框架，即能夠對輸入信號連續進行L次高通和低通濾波獲取小波系數的信號分解框架；該框架除第一次高通和低通濾波針對原始信號以外，剩余L-1次高通和低通濾波均針對前一次低通濾波后的信號；S5.2、在有效性高的信號特征對應的分解層采用與FDWT算法中的小波基函數功能一致的濾波系數向量作為信號分解的卷積運算因子；S5.3、在其余分解層的每一層都搭建神經網絡模型，用于學習濾波系數向量并進行信號降噪；其中，神經網絡模型的激活函數采用具有降噪功能的硬閾值激活函數，表示為： 2其中，和表示可學習的激活函數偏置；S5.4、采用訓練集信號對整個信號分解框架對應的智能降噪模型進行訓練，模型訓練的目標函數表示為： 3其中，表示原始信號，表示原始信號經本分解框架分解后再逐步逆運算得到的重構信號，表示原始信號經L層分解后得到的小波系數集。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。