買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北工業(yè)大學(xué)申請(qǐng)的專(zhuān)利一種基于多尺度上下文的多元時(shí)序信號(hào)分析方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116244585B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202310283544.2，技術(shù)領(lǐng)域涉及：G06F18/213；該發(fā)明授權(quán)一種基于多尺度上下文的多元時(shí)序信號(hào)分析方法是由張鼎文;姚潔茹;鄭朝暉;韓軍偉;劉念;韓龍飛;楊凱輝設(shè)計(jì)研發(fā)完成，并于2023-03-21向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于多尺度上下文的多元時(shí)序信號(hào)分析方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提供了一種基于多尺度上下文的多元時(shí)序信號(hào)分析方法。首先，對(duì)多元時(shí)序信號(hào)進(jìn)行時(shí)頻轉(zhuǎn)換和不同尺度的切分，以切分后的切片向量作為網(wǎng)絡(luò)訓(xùn)練的輸入用向量；然后，對(duì)構(gòu)建的多元時(shí)序信號(hào)分析網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所構(gòu)建的網(wǎng)絡(luò)采用多尺度上下文Transformer模型，包括多層級(jí)編碼模塊和雙向特征融合模塊，能夠更好挖掘不同尺度間的潛在上下文關(guān)系，提升時(shí)序信號(hào)的特征表示；最后，應(yīng)用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行時(shí)序信號(hào)分析。本發(fā)明通過(guò)使用Transformer來(lái)建模MTS信號(hào)的多尺度相關(guān)性，不僅可以最大限度地提高每個(gè)單一尺度生成特征的能力，還可以充分利用多尺度特征增強(qiáng)MTS分析網(wǎng)絡(luò)的整體表示能力。

本發(fā)明授權(quán)一種基于多尺度上下文的多元時(shí)序信號(hào)分析方法在權(quán)利要求書(shū)中公布了：1.一種基于多尺度上下文的多元時(shí)序信號(hào)分析方法，其特征在于步驟如下： S1、給定一個(gè)多元時(shí)序信號(hào)訓(xùn)練集，使用短時(shí)傅里葉變換將時(shí)序信號(hào)轉(zhuǎn)換為時(shí)頻譜，并將同一實(shí)例的時(shí)頻譜按照Z(yǔ)軸方向進(jìn)行拼接，對(duì)拼接后的時(shí)頻譜按照8×8、12×12和16×16三種尺度大小進(jìn)行切分，得到三個(gè)尺度的若干切片；然后，采用線性映射將每個(gè)切片映射成為一個(gè)長(zhǎng)度為768的一維向量，并采用同樣長(zhǎng)度的向量記錄該切片在原信號(hào)中的位置信息，作為其位置編碼向量；將同一尺度的所有切片向量進(jìn)行拼接，得到一個(gè)長(zhǎng)度為768的多維向量，該向量作為訓(xùn)練參數(shù)向量，再將位置編碼向量疊加到對(duì)應(yīng)的切片向量上，得到同一尺度下的網(wǎng)絡(luò)訓(xùn)練用向量； S2、構(gòu)建多元時(shí)序信號(hào)分析網(wǎng)絡(luò)，包括多層級(jí)編碼模塊和雙向特征融合模塊，其中，多層級(jí)編碼模塊包括結(jié)構(gòu)相同、參數(shù)獨(dú)立的三個(gè)層級(jí)網(wǎng)絡(luò)，每個(gè)層級(jí)網(wǎng)絡(luò)都采用VisionTransformer架構(gòu)，將三個(gè)不同尺度的訓(xùn)練用向量分別輸入到三個(gè)層級(jí)網(wǎng)絡(luò)，輸出得到三個(gè)尺度下的特征圖；雙向特征融合模塊主要包括特征融合模塊，特征融合模塊的輸入為兩個(gè)不同的特征圖，先進(jìn)行特征圖拼接，拼接后的特征圖經(jīng)過(guò)一個(gè)包含兩個(gè)卷積核大小分別為1×1和3×3的卷積層，再經(jīng)過(guò)包含一個(gè)卷積核大小為1×1的卷積層，經(jīng)sigmoid函數(shù)輸出得到融合后的特征圖；雙向特征融合模塊的具體處理過(guò)程為：對(duì)于多層級(jí)編碼模塊輸出的三個(gè)尺度下的特征圖，首先進(jìn)行正向融合，即以其中小尺度和中尺度下的兩個(gè)特征圖作為輸入，經(jīng)過(guò)特征融合模塊進(jìn)行處理，得到融合后的特征圖F1，再以特征圖F1和多層級(jí)編碼模塊輸出的大尺度下的特征圖作為輸入，經(jīng)過(guò)特征融合模塊進(jìn)行處理，得到正向融合后的特征圖F2；接著進(jìn)行反向融合，即以多層級(jí)編碼模塊輸出的大尺度和中尺度下的特征圖作為輸入，經(jīng)過(guò)特征融合模塊進(jìn)行處理，得到融合后的特征圖F3，再以特征圖F3和多層級(jí)編碼模塊輸出的小尺度下的特征圖作為輸入，經(jīng)過(guò)特征融合模塊進(jìn)行處理，得到反向融合后的特征圖F4；最后以正向融合得到的特征圖F2和反向融合得到的特征圖F4作為輸入，經(jīng)過(guò)特征融合模塊進(jìn)行處理，得到最終融合后的特征圖F5； S3、將步驟S1得到的不同尺度下的訓(xùn)練用向量輸入到多元時(shí)序信號(hào)分析網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，其中，若訓(xùn)練時(shí)采用交叉熵?fù)p失，得到訓(xùn)練好的分類(lèi)任務(wù)模型，若訓(xùn)練時(shí)采用MSE損失，得到訓(xùn)練好的回歸任務(wù)模型； S4、將待處理的多元時(shí)序信號(hào)按照步驟S1的方式進(jìn)行時(shí)頻譜轉(zhuǎn)換和拼接后，輸入到步驟S3得到的訓(xùn)練好的多元時(shí)序信號(hào)分析網(wǎng)絡(luò)，輸出的特征圖即為其最終的分類(lèi)或回歸結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人西北工業(yè)大學(xué)，其通訊地址為：710072 陜西省西安市友誼西路；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。