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！

龙图腾网获悉同济大学;上海市地震局申请的专利基于STFT时频域特征提取的CNN结构振动信号深度降噪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：CN115524404B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211056214.1，技术领域涉及：G01N29/44；该发明授权基于STFT时频域特征提取的CNN结构振动信号深度降噪方法是由袁程;孔庆钊;周伯昌;熊青松;熊海贝设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本基于STFT时频域特征提取的CNN结构振动信号深度降噪方法在说明书摘要公布了：一种基于STFT时频域特征提取的CNN结构振动信号深度降噪方法。该方法在去噪过程中无需依赖对象信号的先验知识或人为参数设定，实现对不同类型的振动信号如加速度、应变、位移等的自动化降噪，并且其去噪效果通过优化模型训练集得到提升，用于振动信号分析研究领域中的信号预处理以及嵌入到工程实际中的结构健康系统中。利用STFT将一维时序信号增维至二维频谱图，实现对振动信号高阶特征的有效提取；采用噪声嵌入的方式，成功实现对干净信号真值无法获取的非平稳振动信号进行标签设置，为网络训练提供基础；利用卷积神经网络CNN对振动信号的进行去噪，摆脱了传统去噪方法对于信号先验知识的依赖以及参数的人为设定需求。

本发明授权基于STFT时频域特征提取的CNN结构振动信号深度降噪方法在权利要求书中公布了：1.一种基于STFT时频域特征提取的CNN结构振动信号深度降噪方法，其特征在于，包括以下步骤： S1、利用传感器采集结构振动响应信号，并根据采样频率划分为适当长度的时间序列，得原始信号； S2、将不同类型不同水平的噪声嵌入到S1所述原始信号中，得到不同类型的混合信号，得一维时序信号； S3、利用短时傅里叶变换STFT将S2所述一维时序信号、S1所述原始信号分别转变为二维频谱图、，通过数据增维处理提取振动信号高阶特征； S4、将所述混合信号的二维频谱图作为输入信号，所述原始信号的二维频谱图作为目标信号，从而对噪音设置相应标签，用于提供给S5； S5、搭建CNN深度卷积网络，搭建思路为搭建出与的映射关系f，进而生成去噪后的频谱图实现对干净信号的预测；具体实现时，所述CNN深度卷积网络由多组卷积层和池化层重复组成，具体架构依次包括为输入层-卷积层-池化层-卷积层-池化层-全连接层-输出层，其中，所述卷积层为ConV2D，所述池化层为MaxPooling，训练时激活函数为RELU，损失函数为MSE； S6、得到训练后的CNN深度卷积网络模型，将实测含噪振动信号转化为频谱图之后作为输入进行网络测试\预测，输出去噪后的频谱图；利用STFT逆变换将去噪频谱重构为一维时序信号，即得到降噪后的振动信号。

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同济大学;上海市地震局，其通讯地址为：200092 上海市杨浦区四平路1239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”。