買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請(qǐng)的專利基于深度學(xué)習(xí)的單通道時(shí)頻混疊干擾信號(hào)消除方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119011346B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-26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)的專利申請(qǐng)?zhí)?專利號(hào)為：202411107767.4，技術(shù)領(lǐng)域涉及：H04L25/03；該發(fā)明授權(quán)基于深度學(xué)習(xí)的單通道時(shí)頻混疊干擾信號(hào)消除方法及系統(tǒng)是由胡俊超;周雪芳;張淼;胡淼設(shè)計(jì)研發(fā)完成，并于2024-08-13向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于深度學(xué)習(xí)的單通道時(shí)頻混疊干擾信號(hào)消除方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于深度學(xué)習(xí)的單通道時(shí)頻混疊干擾信號(hào)消除方法及系統(tǒng)。方法如下：步驟一，獲取多個(gè)單通道接收的混合信號(hào)，每個(gè)混合信號(hào)包含目標(biāo)信號(hào)及其同頻干擾信號(hào)；步驟二，構(gòu)建適用于信號(hào)分離的包含雙重注意力機(jī)制的LSTM神經(jīng)網(wǎng)絡(luò)；步驟三，使用上述多個(gè)單通道接收的混合信號(hào)作為網(wǎng)絡(luò)輸入數(shù)據(jù)，對(duì)構(gòu)建的LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到應(yīng)用于單通道時(shí)頻混疊干擾信號(hào)消除的神經(jīng)網(wǎng)絡(luò)模型；步驟四，將實(shí)采的帶有目標(biāo)信號(hào)的混合信號(hào)作為單通道時(shí)頻混疊干擾信號(hào)消除的神經(jīng)網(wǎng)絡(luò)模型輸入，由此輸出所需要的無干擾目標(biāo)信號(hào)。本發(fā)明無需對(duì)目標(biāo)信號(hào)和干擾信號(hào)進(jìn)行精確的參數(shù)估計(jì)，即插即用，學(xué)習(xí)訓(xùn)練不受信號(hào)樣式限制，具備廣泛適用性。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的單通道時(shí)頻混疊干擾信號(hào)消除方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的單通道時(shí)頻混疊干擾信號(hào)消除方法，其特征在于，包括如下步驟： 步驟一：獲取多個(gè)單通道接收的混合信號(hào)，每個(gè)混合信號(hào)包含目標(biāo)信號(hào)及其同頻干擾信號(hào)； 步驟二：構(gòu)建適用于信號(hào)分離的包含雙重注意力機(jī)制的LSTM神經(jīng)網(wǎng)絡(luò)； 步驟三：用所述多個(gè)單通道接收的混合信號(hào)作為網(wǎng)絡(luò)輸入數(shù)據(jù)，對(duì)構(gòu)建的LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到應(yīng)用于單通道時(shí)頻混疊干擾信號(hào)消除的神經(jīng)網(wǎng)絡(luò)模型； 步驟四：將實(shí)采的帶有目標(biāo)信號(hào)的混合信號(hào)作為單通道時(shí)頻混疊干擾信號(hào)消除的神經(jīng)網(wǎng)絡(luò)模型輸入，輸出無干擾目標(biāo)信號(hào)； 步驟一中，獲取多個(gè)單通道接收的混合信號(hào)，具體如下： 分別對(duì)目標(biāo)通信信號(hào)和同頻干擾信號(hào)采樣，獲得N個(gè)目標(biāo)信號(hào)采樣序列，其中，，，M為采樣點(diǎn)數(shù)；獲得N個(gè)同頻干擾信號(hào)采樣序列，其中，，，M為采樣點(diǎn)數(shù)，為的實(shí)部，為虛數(shù)單位，為的虛部，為的實(shí)部，為的虛部； 對(duì)同頻干擾信號(hào)進(jìn)行處理，令z=x+a*y，a為大于0的隨機(jī)數(shù)，得到N個(gè)混合信號(hào)的樣本集合； 將混合信號(hào)z的I路數(shù)據(jù)和Q路數(shù)據(jù)交叉合并為一路列向量，構(gòu)造2M行1列的矩陣,此為疊加了同頻干擾信號(hào)的混合信號(hào)； 步驟二中： 給定n個(gè)驅(qū)動(dòng)序列： 其中，T表示時(shí)間步長，n表示輸入特征的維度；經(jīng)由輸入注意力機(jī)制，編碼器產(chǎn)生新輸入，編碼器的架構(gòu)使用LSTM；在解碼器中，使用另一個(gè)LSTM網(wǎng)絡(luò)層來解碼編碼器的信息，并經(jīng)過時(shí)間注意力機(jī)制選擇相應(yīng)的隱藏層狀態(tài)，由此得到最終的無干擾的目標(biāo)信號(hào)序列； 雙重注意力機(jī)制的LSTM神經(jīng)網(wǎng)絡(luò)編碼器中輸入注意力機(jī)制具體實(shí)現(xiàn)過程如下： 給定輸入，，在時(shí)刻t，編碼器將映射為：，表示編碼器隱藏層在時(shí)刻t的狀態(tài)，m表示隱藏層的維度，是非線性激活函數(shù)；構(gòu)建輸入注意力層，將之前的隱藏層狀態(tài)和LSTM單元的cell狀態(tài)作為該層的輸入得到： 其中，是第k個(gè)輸入驅(qū)動(dòng)序列，，，是需要學(xué)習(xí)的參數(shù)； 采用一維高斯函數(shù)進(jìn)行權(quán)值大小的平衡： 令，其中x表示，表示均值，表示方差； 其中，均值的計(jì)算方法：，∑表示求和符號(hào)，表示第i個(gè)數(shù)值，n表示數(shù)值的總數(shù)； 方差的計(jì)算方法：，表示第i個(gè)數(shù)值，表示均值，n表示數(shù)值的總數(shù)； 將注意力層的輸出輸入到softmax層得到以確保所有的注意力權(quán)重的和為1，表示在時(shí)刻t第k個(gè)輸入特征的重要性；得到注意權(quán)重后，自適應(yīng)的提取驅(qū)動(dòng)序列，此時(shí)更新隱藏層的狀態(tài)為； 雙重注意力機(jī)制的LSTM神經(jīng)網(wǎng)絡(luò)解碼器中的時(shí)間注意力機(jī)制具體實(shí)現(xiàn)過程如下： 解碼器的注意力層需將之前的隱藏層狀態(tài)和LSTM單元的cell狀態(tài)作為該層的輸入得到該層的輸出： 其中，是編碼器的隱藏狀態(tài)，，，p是隱藏狀態(tài)的大小，是需要學(xué)習(xí)的參數(shù)； 采用一維高斯函數(shù)進(jìn)行權(quán)值大小的平衡： 令，其中y表示，表示均值，表示方差； 其中，均值的計(jì)算方法：，∑表示求和符號(hào)，表示第i個(gè)數(shù)值，n表示數(shù)值的總數(shù)； 方差的計(jì)算方法：，表示第i個(gè)數(shù)值，表示均值，n表示數(shù)值的總數(shù)； 通過softmax層，得到第i個(gè)編碼器隱藏狀態(tài)對(duì)于最終結(jié)果的重要性，解碼器將所有的編碼器隱藏狀態(tài)按照權(quán)重求和得到向量； 得到向量后，將其和目標(biāo)序列結(jié)合起來得到： 其中，、b是要學(xué)習(xí)的參數(shù)；利用計(jì)算好的，更新解碼器隱藏狀態(tài)，是非線性激活函數(shù)；通過解碼器后得到的向量輸出即為模型輸出的目標(biāo)信號(hào)； 步驟四具體如下： 對(duì)實(shí)際數(shù)據(jù)進(jìn)行采樣，得到序列，,將序列的I路數(shù)據(jù)和Q路數(shù)據(jù)交叉合并為一個(gè)2M行的列向量，將處理好的列向量作為訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的輸入，得到的輸出即為無干擾的目標(biāo)通信信號(hào)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號(hào)大街1158號(hào)；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)”。