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！

龙图腾网获悉山东科技大学申请的专利基于可学习滤波器组与联合正则化的疲劳状态识别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：CN121265057B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511843775.X，技术领域涉及：A61B5/16；该发明授权基于可学习滤波器组与联合正则化的疲劳状态识别方法是由周鲁洁;李发龙;俞凯;张振兴;李浩;刘智豪设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本基于可学习滤波器组与联合正则化的疲劳状态识别方法在说明书摘要公布了：本发明公开了基于可学习滤波器组与联合正则化的疲劳状态识别方法，属于疲劳状态监测领域，其步骤为：获取原始生理信号，对原始生理信号进行基础去干扰预处理，将处理后的数据按多通道格式组织为三维输入张量，在模型输入前增设可学习滤波器组层，所述可学习滤波器组层与模型联合训练，根据任务需求动态调整频带；基于CNN特征提取模块、LSTM序列建模模块、注意力加权模块构建疲劳状态识别模型；基于滤波器组稀疏正则项、时序转移一致性正则项和自适应时频一致性正则项构建联合优化目标函数；根据训练好的模型对疲劳状态进行识别。本发明不仅提高了疲劳识别的准确率，还显著改善了预测结果的平滑性和跨个体鲁棒。

本发明授权基于可学习滤波器组与联合正则化的疲劳状态识别方法在权利要求书中公布了：1.基于可学习滤波器组与联合正则化的疲劳状态识别方法，其特征在于，包括以下步骤： 步骤1：获取人员的原始生理信号； 步骤2：对原始生理信号进行基础去干扰预处理，将处理后的数据按多通道格式组织为三维输入张量，在模型输入前增设可学习滤波器组层，所述可学习滤波器组层与模型联合训练，根据任务需求动态调整频带，提升跨个体与复杂环境下的识别鲁棒性； 步骤3：基于CNN特征提取模块、LSTM序列建模模块、注意力加权模块构建疲劳状态识别模型，通过分类输出模块完成疲劳状态判定； 步骤4：基于滤波器组稀疏正则项、时序转移一致性正则项和自适应时频一致性正则项构建联合优化目标函数，根据联合优化目标函数对可学习滤波器组层和模型进行联合训练； 步骤5：根据训练好的模型对疲劳状态进行识别； 所述时序转移一致性正则项基于疲劳状态转移矩阵建立先验约束，减少预测结果的频繁跳变；对相邻时间步施加一致性约束，表达式为： ； 其中，为时序转移一致性正则项，为正则化系数，，为第时刻的预测概率分布向量，为时序样本的总时间步数，为KL散度，用于衡量两个概率分布之间的差异；为疲劳状态转移矩阵，其第行表示从第个状态转移到各状态的条件概率分布；表示矩阵转置；表示根据当前预测概率分布向量经状态转移先验得到下一时刻的估计分布； 引入平滑指标统计预测序列的类别切换次数，以此评估时序转移一致性正则项的约束效果，表达式为： ； 其中，对第时刻的预测分布概率向量取概率最大的索引，为指示函数，若第时刻的预测类别与第时刻的预测类别不相等，则函数值为1，否则函数值为0；平滑指标数值越低，时序转移一致性正则项的约束效果越好； 所述自适应时频一致性正则项将时间序列预测平滑性与频带能量变化规律动态耦合，实现跨时频域的一致性优化，表达式为： ； 其中，第个可学习滤波器在时刻的平均频带能量，、分别为时序与频域正则权重，为防止分母为零的常数，为KL散度，即两分布之间的差异度量； 联合优化目标函数为： ； 其中，为交叉熵损失，,,为权重系数。

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山东科技大学，其通讯地址为：250000 山东省济南市天桥区胜利庄路17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。