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！

龙图腾网获悉苏州尧圣智能科技有限公司申请的专利一种基于生成对抗网络的SPR噪声数据智能去除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：CN120950954B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511469286.2，技术领域涉及：G06F18/2136；该发明授权一种基于生成对抗网络的SPR噪声数据智能去除方法是由傅曦;赵国杰;傅诗茗设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的SPR噪声数据智能去除方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的SPR噪声数据智能去除方法，包括如下步骤：S1、采集响应信号进行预处理，输出噪声数据；S2、将噪声数据输入自编码器，得到稀疏潜变量；S3、将稀疏潜变量特征加权组合，输出频谱增强特征；S4、将频谱增强特征输入扩散模型，输出SPR信号序列；S5、将SPR信号序列输入生成对抗网络，输出伪真性增强的SPR信号；S6、将伪真性增强的SPR信号输入分解重建模块，得到重构SPR信号；S7、将重构SPR信号与原始标注信号比较，输出优化后模型参数；S8、将优化后模型参数进行SPR检测，输出智能去噪SPR响应曲线。本发明实现了SPR噪声数据智能去除。

本发明授权一种基于生成对抗网络的SPR噪声数据智能去除方法在权利要求书中公布了：1.一种基于生成对抗网络的SPR噪声数据智能去除方法，其特征在于，包括如下步骤： S1、采集原始表面等离子共振的传感响应信号，并进行归一化预处理，采用固定长度滑动窗口构建包含时序结构的原始标注真实信号，输出为带标签的窗口化SPR噪声子序列数据； S2、将窗口化SPR噪声子序列数据输入至稀疏编码变分自编码器中进行编码压缩处理，得到初步去噪后的稀疏潜变量表示； S3、将稀疏潜变量表示进行短时傅里叶变换，通过自适应傅里叶特征融合模块对不同频率成分加权组合，输出融合的多尺度频谱增强特征； S4、将融合的多尺度频谱增强特征输入至逆卷积扩散模型中，模拟噪声扰动的逆向扩散过程，通过多个反向去噪步长逐层生成目标信号候选，输出整体训练优化目标； S5、将整体训练优化目标输入至生成器模块，并同时将人工标注的真实SPR信号输入至判别器模块，通过生成对抗网络的对抗训练机制优化生成器输出质量，输出伪真性增强的SPR信号； S6、将伪真性增强的SPR信号输入至递归残差分解重建模块，进行结构重建后融合，得到结构完整的重构SPR信号； S7、将重构SPR信号与原始标注真实信号进行逐点比较，计算结构相似性指标与梯度保真损失函数，并进行反向更新训练，输出最终优化后的模型参数； S8、将最终优化后的模型参数部署于SPR检测流程中，输入实时采集的SPR原始信号，输出智能去噪后的SPR响应曲线； 所述S2具体包括： S21、将带标签的窗口化SPR噪声子序列数据按照预设的空间尺寸进行均匀划分，得到大小一致的图像子块； S22、对每个图像子块输入至共享结构的特征提取网络中，利用局部感知的卷积运算获取子块的表示向量，将表示向量与原图中的二维位置对应的嵌入向量相加形成增强的子块特征； S23、将所有增强的子块特征按顺序组合成一个序列结构，输入至多头自注意力模块中进行特征间的长距离建模，生成具有上下文依赖关系的全局特征表示； S24、将全局特征表示输入至前馈神经网络模块，依次进行线性映射、非线性变换和维度还原处理，并得到最终用于编码的序列特征； S25、将序列特征输入至稀疏编码变分自编码器模块，通过编码器函数得到潜在空间的参数表示，利用重参数技巧进行采样，并引入稀疏约束与先验正则项，构建正则函数，将潜在变量输入解码器，重构得到稀疏编码总损失，并最小化稀疏编码总损失函数，得到初步去噪后的稀疏潜变量表示。

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苏州尧圣智能科技有限公司，其通讯地址为：215000 江苏省苏州市昆山市玉山镇晨淞路128号3号厂房451；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。