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！

龙图腾网获悉中国石油大学(华东)申请的专利基于域自适应的微机电系统惯性测量单元信号去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：CN121092871B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511632839.1，技术领域涉及：G06F18/15；该发明授权基于域自适应的微机电系统惯性测量单元信号去噪方法是由姚晨光;贺凯飞;马旭辰;宗尧;苏鹏飞设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本基于域自适应的微机电系统惯性测量单元信号去噪方法在说明书摘要公布了：本发明公开了基于域自适应的微机电系统惯性测量单元信号去噪方法，属于导航定位技术领域，用于微机电系统惯性测量单元导航，包括准备源域数据和目标域数据进行预处理，构建多尺度卷积Transformer网络模型，使用源域数据进行模型训练，得到惯性测量单元信号去噪模型，将预处理后的目标域数据输入该去噪模型生成伪标签并进行弱监督微调，由惯性导航机械编排输出去噪后的惯性测量单元导航数据。本发明通过基于多尺度卷积Transformer的惯性测量单元去噪网络，有效抑制低成本微机电系统惯性测量单元信号中常见的非线性和非平稳噪声，引入域自适应策略实现稳健的跨域去噪，无需依赖干净标签，延长发散延迟，提高整体导航精度。

本发明授权基于域自适应的微机电系统惯性测量单元信号去噪方法在权利要求书中公布了：1.基于域自适应的微机电系统惯性测量单元信号去噪方法，其特征在于，包括： S1、准备源域数据和目标域数据，并进行预处理，源域数据为模拟的微机电系统惯性测量单元数据集，包含带噪声的原始测量值和对应的无噪声参考标签；目标域数据为微机电系统惯性测量单元实测数据集，包含没有参考标签带噪声的测量值； S2、将预处理后的源域数据输入多尺度卷积Transformer网络，多尺度卷积Transformer网络为未训练的惯性测量单元信号去噪模型，以监督的方式训练，得到惯性测量单元信号去噪模型；多尺度卷积Transformer网络包括多尺度卷积模块和浅层Transformer模块； 多尺度卷积模块步骤为：输入预处理后的源域数据或预处理后的目标域数据，采用4个并行的一维卷积层分支处理，每层生成大小为的特征图，将特征图沿通道维度连接，使用具有权重矩阵的全连接层应用线性投影，得到形状为的嵌入特征张量； 浅层Transformer模块步骤为：输入，位置编码沿时间维度添加到，提供序列顺序信息，得到嵌入序列，，将输入到编码器层1，编码器层采用多头自注意力机制并行建模不同时间位置之间的依赖关系，自注意力机制处理结果输入残差连接和归一化层，再通过位置前馈网络，前馈网络的每个时间步执行非线性变换和特征增强，前馈网络的输出结果再通过残差连接与归一化层，然后输入编码器层2，编码器层2与编码器层1步骤一致，将编码器层2的输出传递至解码器层，解码器层采用两个前馈子层来执行逐点回归，最终输出形状为的惯性测量单元去噪后信号； S3、将预处理后的输入惯性测量单元信号去噪模型，生成的伪标签； S4、将和输入惯性导航机械编排模块，包括将和输入惯性测量单元信号去噪模型，采用弱监督策略，得到去噪的惯性测量单元信号，对进行惯性导航机械编排，输出去噪后的微机电系统惯性测量单元导航数据； 将和输入惯性导航机械编排模块，包括将与输入惯性测量单元信号去噪模型，采用弱监督策略，并降低惯性测量单元信号去噪模型的迭代次数和学习率至设定阈值，输出； 将输入两条支线，第一支线将转换到导航坐标系，第二支线对进行姿态估计，将第二支线结果输入第一支线进行融合，根据两条支线融合结果、重力模型和科氏力修正对加速度进行修正，然后对修正后的加速度进行一次积分得到去噪后的惯性测量单元输出的速度信息，对修正后的加速度进行二次积分得到去噪后的惯性测量单元输出的位置信息。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。