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！

龙图腾网获悉中林信达(北京)科技信息有限责任公司申请的专利一种用于红外信号的多尺度异常信号检测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：CN116304788B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211594592.5，技术领域涉及：G06F18/24；该发明授权一种用于红外信号的多尺度异常信号检测方法是由曲达明;孟贺;孟繁斌;孙博;王生杰;黄艳金设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种用于红外信号的多尺度异常信号检测方法在说明书摘要公布了：一种用于红外信号的多尺度异常信号检测方法，涉及红外信号检测领域，包括：获取红外信号数据；初始化红外信号序列；构建红外信号多尺度数据；红外信号多尺度数据背景建模；多尺度异常信号检测。本发明不需要手动设置阈值，减少了阈值不适应带来的误触发现象；本发明通过多尺度数据可实现目标的不同尺度、运动速度的自适应，高斯滤波也可以减少信号的噪声；本发明通过背景建模实现背景数据分布的估计，多个模式可以模拟更复杂的场景，针对光线变化、干扰目标摆动、设备晃动等均比较鲁棒，提高抗噪能力；本发明适用于任意运动目标，不需要额外建立目标样本库。

本发明授权一种用于红外信号的多尺度异常信号检测方法在权利要求书中公布了：1.一种用于红外信号的多尺度异常信号检测方法，其特征在于，包括以下步骤： 步骤一、获取红外信号数据；从红外点源探测器中获取多个红外信号数据； 步骤二、初始化红外信号序列； 所获取的红外信号数据中有效数据的长度为1000，将相应的红外信号序列集合记为Xbg＝x1,x2,x3,...,x999,x1000，x1,x2,x3,...,x999,x1000分别表示红外信号序列集合Xbg中第1个至第1000个时刻的红外信号序列，初始化红外信号序列并判断红外信号序列是否初始化完成，若是，则进行步骤三，若否，则返回至步骤一重新获取红外信号数据并重新初始化红外信号序列，直到红外信号序列初始化完成； 步骤三、构建红外信号多尺度数据； S3.1将红外信号序列集合Xbg中的红外信号序列信息作为历史序列信息，对红外信号序列集合Xbg中的红外信号序列分别做一维高斯平滑处理，使用一个大小为5的卷积核对红外信号序列进行卷积操作：Xbgpc表示一维高斯平滑处理后的红外信号序列集合Xbgp中的第c个元素，Xbgc表示红外信号序列集合Xbg中的第c个元素，c∈{1,2,3,...,1000}，卷积核为 S3.2对一维高斯平滑处理后的红外信号序列集合Xbgp中的红外信号序列分别进行下采样，去除红外信号序列中的偶数列，得到降维后的红外信号序列r表示下采样次数，r∈{1,2,3}； S3.3对降维后的红外信号序列重复进行步骤S3.1至步骤S3.2三次，就可以获得红外信号多尺度数据，红外信号多尺度数据集合记为Xbg表示原始的红外信号序列集合，长度为1000；分别表示第1次降维后的红外信号序列、第2次降维后的红外信号序列、第3次降维后的红外信号序列，长度分别为500、250、125； 步骤四、红外信号多尺度数据背景建模； S4.1对于上述获得的某一红外信号多尺度数据Hj为红外信号多尺度数据集合H中的第j个元素，j∈{1,2,3,4}，t∈{1,2,...,N}，则服从的混合高斯分布概率密度函数的计算公式如下： 式中，k为高斯分布模型总数；i∈{1,2,...,k}；wi,t为t时刻第i个高斯分布模型权重；为t时刻第i个高斯分布模型，为当前尺度下t时刻的信号量，μi,t为t时刻第i个高斯分布模型均值，τi,t为t时刻第i个高斯分布模型协方差矩阵，T为转置运算；δi,t为t时刻第i个高斯分布模型方差，I为单位矩阵； S4.2初始化高斯分布模型总数k为3，学习率α为0.05，初始化3个高斯分布均值及3个方差； S4.3逐个获取第一个尺度的所有红外信号数据，查看当前红外信号数据是否与当前的3个高斯分布模型相匹配，即相匹配的高斯分布模型均值偏差应在2.5δk,t-1内，即为当前尺度下t时刻的信号量，μk,t-1为t-1时刻第k个高斯分布模型均值，δk,t-1为t-1时刻第k个高斯分布模型方差； S4.4如果所匹配的高斯分布模型符合背景要求，则定义Mk,t＝1，否则Mk,t＝0； S4.5各个高斯分布模型的权重按照如下公式进行更新： wk,t＝1-α*wk,t-1+α*Mk,t 式中，α＝0.05；wk,t为t时刻第k个高斯分布模型权重；wk,t-1为t-1时刻第k个高斯分布模型权重； S4.6未匹配的高斯分布模型均值和标准差不变，所匹配的高斯分布模型的参数按照如下公式进行更新： 式中，ρ为迭代时的权重值；α＝0.05；为t-1时刻第k个高斯分布模型；μk,t为t时刻第k个高斯分布模型均值；μk,t-1为t-1时刻第k个高斯分布模型均值；σk,t为t时刻第k个高斯分布模型标准差；σk,t-1为t-1时刻第k个高斯分布模型标准差； S4.7如果当前尺度的第一个红外信号数据没有任何高斯分布模型可匹配，则权重最小的高斯分布模型被替换，即该高斯分布模型的均值为当前像素值，该高斯分布模型的标准差为初始较大值，该高斯分布模型的权重为较小值； S4.8各高斯分布模型根据wk,tσk,t按照降序进行排列，即权重大且标准差小的高斯分布模型排列在前； S4.9选取前B个高斯分布模型作为背景，其中，B满足下式： S4.10针对步骤三中S3.3提取的4个尺度数据重复上述S4.1至S4.9的背景建模过程，完成红外信号多尺度数据背景建模； 步骤五、多尺度异常信号检测； S5.1待检测数据获取； 从红外点源探测器中获取当前时刻红外信号xcur； S5.2查看当前时刻红外信号xcur与4个尺度下的B个高斯分布模型是否匹配，即相匹配的高斯分布模型均值偏差应在2.5δk,1000内，即|xcur-μk,1000|≤2.5δk,1000，其中，μk,1000为当前尺度下最后一个时刻的第k个高斯分布模型均值，δk,1000为当前尺度下最后一个时刻的第k个高斯分布模型标准差，k∈{1,2,...,B}；如果当前时刻红外信号xcur与4个尺度下的B个高斯分布模型均不匹配，则判断当前信号存在异常目标，否则不存在异常目标； S5.3红外信号序列更新； 当步骤S5.2中未检测到异常信号时，则更新红外信号序列，更新方式为删除红外信号序列集合Xbg中的第一个红外信号序列，并将当前红外信号序列插入红外信号序列集合Xbg的末尾。

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林信达(北京)科技信息有限责任公司，其通讯地址为：100007 北京市东城区青龙胡同1号6层609；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。