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！

龙图腾网获悉吉林大学申请的专利结合弱监督学习的神经网络磁异常信号去噪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：CN121069508B 。

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：202511612316.0，技术领域涉及：G01V3/38；该发明授权结合弱监督学习的神经网络磁异常信号去噪方法及系统是由赵宇卓;焦健;于平;周帅;卢鹏羽设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本结合弱监督学习的神经网络磁异常信号去噪方法及系统在说明书摘要公布了：本发明适用于地球物理勘探技术领域，提供了一种结合弱监督学习的神经网络磁异常信号去噪方法及系统，该方法包括以下步骤：获取带噪声的磁异常信号；基于短时傅里叶变换，将带噪声的磁异常信号转换为带噪声的频谱图；基于U‑Net++网络，对带噪声的频谱图进行去噪处理，得到去噪频谱图；实时根据去噪频谱图，计算多尺度频谱损失、均方误差损失和弱监督损失，确定总损失；若总损失低于预设的阈值，则基于逆短时傅里叶变换，将去噪频谱图转换回时域信号，得到去噪信号；否则，通过反向传播更新U‑Net++网络的参数。本发明通过使用结合弱监督学习的U‑Net++网络对磁异常信号进行去噪处理，实现了精度保留与效率提升的双重突破。

本发明授权结合弱监督学习的神经网络磁异常信号去噪方法及系统在权利要求书中公布了：1.一种结合弱监督学习的神经网络磁异常信号去噪方法，其特征在于，包括以下步骤： 获取带噪声的磁异常信号； 基于短时傅里叶变换，将带噪声的磁异常信号转换为带噪声的频谱图； 基于U-Net++网络，对带噪声的频谱图进行去噪处理，得到去噪频谱图； 实时根据去噪频谱图，计算多尺度频谱损失、均方误差损失和弱监督损失，确定总损失； 若总损失低于预设的阈值，则基于逆短时傅里叶变换，将去噪频谱图转换回时域信号，得到去噪信号；否则，通过反向传播更新U-Net++网络的参数； 所述弱监督损失的计算方法包括： 从去噪频谱图中提取频率特征； 将频率特征输入至预设的弱监督模块中，输出去噪结果的质量评分； 根据去噪结果的质量评分与预设的目标值的差异，得到弱监督损失； 所述弱监督模块由卷积神经网络和全连接层组成；假设卷积神经网络由L层卷积层组成，经过第l层卷积后的频率特征表示为Flk，其卷积操作表示为： ； ； 式中，Fl-1k为第l-1层的频率特征；为第l层的第i个卷积核，为对应的偏置项；为激活函数；*表示卷积运算；Cl-1为第l-1层的通道数；Fk为去噪频谱图中的频率特征；M为时间帧总数；为去噪频谱图；m为窗函数的位置索引；k为频率索引； 经过若干层卷积后，将频率特征展平并输入到全连接层；假设全连接层的权重矩阵为Wf，偏置项为bf，全连接层的输出为： ； 式中，为弱监督模块的预测值。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。