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！

龙图腾网恭喜广东海洋大学申请的专利一种抗噪梯度神经网络求解动态信号源跟踪的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：CN119989946B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510465453.X，技术领域涉及：G06F30/27；该发明授权一种抗噪梯度神经网络求解动态信号源跟踪的方法是由肖秀春;黄松杰;吴可儿设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本一种抗噪梯度神经网络求解动态信号源跟踪的方法在说明书摘要公布了：本发明公开了一种抗噪梯度神经网络求解动态信号源跟踪的方法，属于矩阵方程及智能计算领域，通过对动态信号源跟踪问题进行建模，将其实际问题转化为对线性等式求解问题，采用所提的梯度神经网络新模型结合到达角算法进行求解，在梯度算法的基础上添加了速度补偿机制，以此增强模型的实时性能，然后再从控制学的角度添加能抗噪的积分补偿项，提高了模型的鲁棒性。和传统梯度神经网络模型相比，本发明将无法求解动态问题的模型改进成可以高效解决动态问题的模型，大大提高了模型的泛化性，并且具有更快速的收敛速度和收敛精度，再考虑到了在实际的工业环境中求逆的难度，用质量矩阵的方式来替代了这一耗时、冗余的过程。

本发明授权一种抗噪梯度神经网络求解动态信号源跟踪的方法在权利要求书中公布了：1.一种抗噪梯度神经网络求解动态信号源跟踪的方法，其特征在于，包括如下步骤：S1、设定动态信号源跟踪问题，基于所设定的动态信号跟踪问题，根据实际应用场景采集信号源数据；S2、基于S1所采集的信号源数据建立数学模型，并将所建立的数学模型转化为动态线性矩阵方程；S3、构建梯度神经网络模型，并通过梯度下降法对动态信号源的状态进行估计，初步优化信号跟踪精度,具体包括如下步骤：S31、基于传统的梯度神经网络，对动态线性矩阵方程构建误差函数；S32、沿着所构建的误差函数的负梯度方向最小化得到梯度下降的梯度神经网络；S33、带入所构建的动态线性矩阵方程并展开，得到初步优化的动态信号源的状态信息,初步优化的动态信号源的状态信息表示为： 式中，为初步优化的动态信号源的状态信息，Qt为t时刻的输出矩阵，Pt为t时刻的信号传播矩阵，Xt为t时刻的状态矩阵，T为矩阵转置，α为用作控制梯度神经网络收敛的系数；S4、在所构建的梯度神经网络模型的基础上，引入速度补偿机制和抗噪机制进行模型优化，对所设定的动态信号源跟踪问题进行求解，并输出优化后的动态信号源状态信息，其中，速度补偿机制表示为： 是Qt的导数矩阵，是Pt的导数矩阵，α为用作控制梯度神经网络收敛的系数；抗噪机制表示为： 式中，Nt为噪声，Π·为激活函数，l为代替时间t作为积分变量，是Qt的导数矩阵，是Pt的导数矩阵，α为用作控制梯度神经网络收敛的系数。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1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”。