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！

龙图腾网获悉西北工业大学申请的专利一种基于多尺度上下文的多元时序信号分析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：CN116244585B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310283544.2，技术领域涉及：G06F18/213；该发明授权一种基于多尺度上下文的多元时序信号分析方法是由张鼎文;姚洁茹;郑朝晖;韩军伟;刘念;韩龙飞;杨凯辉设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种基于多尺度上下文的多元时序信号分析方法在说明书摘要公布了：本发明提供了一种基于多尺度上下文的多元时序信号分析方法。首先，对多元时序信号进行时频转换和不同尺度的切分，以切分后的切片向量作为网络训练的输入用向量；然后，对构建的多元时序信号分析网络进行训练，所构建的网络采用多尺度上下文Transformer模型，包括多层级编码模块和双向特征融合模块，能够更好挖掘不同尺度间的潜在上下文关系，提升时序信号的特征表示；最后，应用训练好的网络进行时序信号分析。本发明通过使用Transformer来建模MTS信号的多尺度相关性，不仅可以最大限度地提高每个单一尺度生成特征的能力，还可以充分利用多尺度特征增强MTS分析网络的整体表示能力。

本发明授权一种基于多尺度上下文的多元时序信号分析方法在权利要求书中公布了：1.一种基于多尺度上下文的多元时序信号分析方法，其特征在于步骤如下： S1、给定一个多元时序信号训练集，使用短时傅里叶变换将时序信号转换为时频谱，并将同一实例的时频谱按照Z轴方向进行拼接，对拼接后的时频谱按照8×8、12×12和16×16三种尺度大小进行切分，得到三个尺度的若干切片；然后，采用线性映射将每个切片映射成为一个长度为768的一维向量，并采用同样长度的向量记录该切片在原信号中的位置信息，作为其位置编码向量；将同一尺度的所有切片向量进行拼接，得到一个长度为768的多维向量，该向量作为训练参数向量，再将位置编码向量叠加到对应的切片向量上，得到同一尺度下的网络训练用向量； S2、构建多元时序信号分析网络，包括多层级编码模块和双向特征融合模块，其中，多层级编码模块包括结构相同、参数独立的三个层级网络，每个层级网络都采用VisionTransformer架构，将三个不同尺度的训练用向量分别输入到三个层级网络，输出得到三个尺度下的特征图；双向特征融合模块主要包括特征融合模块，特征融合模块的输入为两个不同的特征图，先进行特征图拼接，拼接后的特征图经过一个包含两个卷积核大小分别为1×1和3×3的卷积层，再经过包含一个卷积核大小为1×1的卷积层，经sigmoid函数输出得到融合后的特征图；双向特征融合模块的具体处理过程为：对于多层级编码模块输出的三个尺度下的特征图，首先进行正向融合，即以其中小尺度和中尺度下的两个特征图作为输入，经过特征融合模块进行处理，得到融合后的特征图F1，再以特征图F1和多层级编码模块输出的大尺度下的特征图作为输入，经过特征融合模块进行处理，得到正向融合后的特征图F2；接着进行反向融合，即以多层级编码模块输出的大尺度和中尺度下的特征图作为输入，经过特征融合模块进行处理，得到融合后的特征图F3，再以特征图F3和多层级编码模块输出的小尺度下的特征图作为输入，经过特征融合模块进行处理，得到反向融合后的特征图F4；最后以正向融合得到的特征图F2和反向融合得到的特征图F4作为输入，经过特征融合模块进行处理，得到最终融合后的特征图F5； S3、将步骤S1得到的不同尺度下的训练用向量输入到多元时序信号分析网络进行网络训练，其中，若训练时采用交叉熵损失，得到训练好的分类任务模型，若训练时采用MSE损失，得到训练好的回归任务模型； S4、将待处理的多元时序信号按照步骤S1的方式进行时频谱转换和拼接后，输入到步骤S3得到的训练好的多元时序信号分析网络，输出的特征图即为其最终的分类或回归结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。