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！

龙图腾网获悉杭州电子科技大学申请的专利基于深度学习的单通道时频混叠干扰信号消除方法及系统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：CN119011346B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411107767.4，技术领域涉及：H04L25/03；该发明授权基于深度学习的单通道时频混叠干扰信号消除方法及系统是由胡俊超;周雪芳;张淼;胡淼设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本基于深度学习的单通道时频混叠干扰信号消除方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的单通道时频混叠干扰信号消除方法及系统。方法如下：步骤一，获取多个单通道接收的混合信号，每个混合信号包含目标信号及其同频干扰信号；步骤二，构建适用于信号分离的包含双重注意力机制的LSTM神经网络；步骤三，使用上述多个单通道接收的混合信号作为网络输入数据，对构建的LSTM神经网络进行训练，得到应用于单通道时频混叠干扰信号消除的神经网络模型；步骤四，将实采的带有目标信号的混合信号作为单通道时频混叠干扰信号消除的神经网络模型输入，由此输出所需要的无干扰目标信号。本发明无需对目标信号和干扰信号进行精确的参数估计，即插即用，学习训练不受信号样式限制，具备广泛适用性。

本发明授权基于深度学习的单通道时频混叠干扰信号消除方法及系统在权利要求书中公布了：1.一种基于深度学习的单通道时频混叠干扰信号消除方法，其特征在于，包括如下步骤： 步骤一：获取多个单通道接收的混合信号，每个混合信号包含目标信号及其同频干扰信号； 步骤二：构建适用于信号分离的包含双重注意力机制的LSTM神经网络； 步骤三：用所述多个单通道接收的混合信号作为网络输入数据，对构建的LSTM神经网络进行训练，得到应用于单通道时频混叠干扰信号消除的神经网络模型； 步骤四：将实采的带有目标信号的混合信号作为单通道时频混叠干扰信号消除的神经网络模型输入，输出无干扰目标信号； 步骤一中，获取多个单通道接收的混合信号，具体如下： 分别对目标通信信号和同频干扰信号采样，获得N个目标信号采样序列，其中，，，M为采样点数；获得N个同频干扰信号采样序列，其中，，，M为采样点数，为的实部，为虚数单位，为的虚部，为的实部，为的虚部； 对同频干扰信号进行处理，令z=x+a*y，a为大于0的随机数，得到N个混合信号的样本集合； 将混合信号z的I路数据和Q路数据交叉合并为一路列向量，构造2M行1列的矩阵,此为叠加了同频干扰信号的混合信号； 步骤二中： 给定n个驱动序列： 其中，T表示时间步长，n表示输入特征的维度；经由输入注意力机制，编码器产生新输入，编码器的架构使用LSTM；在解码器中，使用另一个LSTM网络层来解码编码器的信息，并经过时间注意力机制选择相应的隐藏层状态，由此得到最终的无干扰的目标信号序列； 双重注意力机制的LSTM神经网络编码器中输入注意力机制具体实现过程如下： 给定输入，，在时刻t，编码器将映射为：，表示编码器隐藏层在时刻t的状态，m表示隐藏层的维度，是非线性激活函数；构建输入注意力层，将之前的隐藏层状态和LSTM单元的cell状态作为该层的输入得到： 其中，是第k个输入驱动序列，，，是需要学习的参数； 采用一维高斯函数进行权值大小的平衡： 令，其中x表示，表示均值，表示方差； 其中，均值的计算方法：，∑表示求和符号，表示第i个数值，n表示数值的总数； 方差的计算方法：，表示第i个数值，表示均值，n表示数值的总数； 将注意力层的输出输入到softmax层得到以确保所有的注意力权重的和为1，表示在时刻t第k个输入特征的重要性；得到注意权重后，自适应的提取驱动序列，此时更新隐藏层的状态为； 双重注意力机制的LSTM神经网络解码器中的时间注意力机制具体实现过程如下： 解码器的注意力层需将之前的隐藏层状态和LSTM单元的cell状态作为该层的输入得到该层的输出： 其中，是编码器的隐藏状态，，，p是隐藏状态的大小，是需要学习的参数； 采用一维高斯函数进行权值大小的平衡： 令，其中y表示，表示均值，表示方差； 其中，均值的计算方法：，∑表示求和符号，表示第i个数值，n表示数值的总数； 方差的计算方法：，表示第i个数值，表示均值，n表示数值的总数； 通过softmax层，得到第i个编码器隐藏状态对于最终结果的重要性，解码器将所有的编码器隐藏状态按照权重求和得到向量； 得到向量后，将其和目标序列结合起来得到： 其中，、b是要学习的参数；利用计算好的，更新解码器隐藏状态，是非线性激活函数；通过解码器后得到的向量输出即为模型输出的目标信号； 步骤四具体如下： 对实际数据进行采样，得到序列，,将序列的I路数据和Q路数据交叉合并为一个2M行的列向量，将处理好的列向量作为训练好的神经网络的输入，得到的输出即为无干扰的目标通信信号。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。