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！

龍圖騰網獲悉南京郵電大學申請的專利一種信號支持度未知的帶限圖信號的自適應重構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：CN117932227B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202410138473.1，技術領域涉及：G06F18/10；該發明授權一種信號支持度未知的帶限圖信號的自適應重構方法是由王保云;孫澤設計研發完成，并于2024-02-01向國家知識產權局提交的專利申請。

本一種信號支持度未知的帶限圖信號的自適應重構方法在說明書摘要公布了：本發明公開了一種信號支持度未知的帶限圖信號的自適應重構方法，方法包括：根據受到脈沖噪聲影響的觀測信號，構建對應的觀測圖信號模型；基于所述觀測圖信號模型，利用l2范數和l0范數來描述恢復問題，建立優化問題模型；采用交替優化方法對所述優化問題模型進行求解，得到重構后的信號；對重構后的信號進行圖傅里葉逆變換，得到重構后的圖信號。本發明通過圖信號在其頻域的稀疏性來重構受到脈沖噪聲影響的觀測信號，能有效處理受脈沖噪聲影響的圖信號，并且在信號支持度未知的情況下，重構的信號仍然具有非常高的精度。

本發明授權一種信號支持度未知的帶限圖信號的自適應重構方法在權利要求書中公布了：1.一種信號支持度未知的帶限圖信號的自適應重構方法，其特征在于，包括： 根據受到脈沖噪聲影響的觀測信號，構建對應的觀測圖信號模型，包括：將受到脈沖噪聲影響的觀測信號建模為圖信號，并用圖傅里葉變換對信號進行處理，加入基于貪婪算法的采樣策略，得到采樣后的觀測圖信號模型，具體包括：受到脈沖噪聲影響的觀測信號表示為：x0+v[n]，x0為原始圖信號，n為時間索引，v[n]為脈沖噪聲；將觀測信號映射到圖的頂點上，并用圖的拓撲結構表示觀測信號之間的關系，將圖的拓撲結構用鄰接矩陣表示；G＝v,ε,A表示一個圖，其中v＝{v1,v2,...,vN}表示圖的頂點集，ε＝vm,vn為邊集且vm,vn∈v，A為圖的鄰接矩陣，元素aij,i,j＝1,...,N表示了圖的頂點vi與另一頂點vj的關系；圖信號是一個函數將頂點集v中各頂點的信息映射到長度為N的實數向量上；拉普拉斯矩陣L＝K-A＝UΛUT，其中K為圖信號的度矩陣，U為特征向量矩陣，Λ是特征值矩陣，為一個對角矩陣；定義圖傅里葉變換為s＝UTx，圖傅里葉變換信號s的支持度為F＝{i∈{1,...,N}:si≠0}，集合F的基數|F|即為圖信號的帶寬；觀測圖信號模型y[n]為： 其中n為時間索引，S為抽樣集，v[n]為脈沖噪聲，為密集分量，假設其符合高斯高斯分布，為稀疏分量，DS＝diag{1S}，DS為頂點限制算子，是一個稀疏矩陣； 基于所述觀測圖信號模型，利用l2范數和l0范數來描述恢復問題，建立優化問題模型；所述優化問題模型包括： 其中y[n]為觀測圖信號模型，D是約束采樣策略選擇的離散集合，||·||2表示l2范數，||·||0表示l0范數，α＞0是調節圖傅里葉變換信號s的稀疏度的參數，β＞0是調節噪聲稀疏分量z的稀疏度的參數；DS為頂點限制算子，U為特征向量矩陣；優化問題的第一項表示計算誤差，第二項保證了噪聲稀疏分量的稀疏度，第三項保證了重構出的信號在頻域上的稀疏度； 采用交替優化方法對所述優化問題模型進行求解，得到重構后的信號，包括：迭代執行循環步驟，直至逼近最優解，得到重構后的信號；其中所述循環步驟包括：在給定DS和s的情況下，利用非負Garotte估計器來更新求解噪聲稀疏分量z；根據給定DS和更新后的噪聲稀疏分量z，利用軟閾值迭代算法來更新圖傅里葉變換信號s；并求出更新得到的圖傅里葉變換信號s的支持度F；根據求解得到的噪聲稀疏分量z、圖傅里葉變換信號s的支持度F，基于貪婪算法的采樣策略，對頂點限制算子DS進行估計，得到近似最優采樣集S； 對重構后的信號進行圖傅里葉逆變換，得到重構后的圖信號。

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南京郵電大學，其通訊地址為：210003 江蘇省南京市鼓樓區新模范馬路66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”。