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！

龙图腾网获悉长沙理工大学申请的专利一种改进SVMD联合SOBI的桥梁动应变信号自适应降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：CN121167433B 。

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：202511704559.7，技术领域涉及：G06F18/241；该发明授权一种改进SVMD联合SOBI的桥梁动应变信号自适应降噪方法是由蒋田勇;喻晨宇;王磊;彭琦;谢彬设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种改进SVMD联合SOBI的桥梁动应变信号自适应降噪方法在说明书摘要公布了：本发明公开了一种改进SVMD联合SOBI的桥梁动应变信号自适应降噪方法，包括：通过应变传感器获取桥梁动应变的原始信号，以峭度和分解误差为停止准则改进SVMD算法，进而对原始信号进行分解；通过K‑means聚类算法对本征模态函数分量进行分类，从而重构噪声分量信号和初始降噪信号；构造包含原始信号、噪声分量信号和初始降噪信号的三通道混合观测矩阵；利用SOBI算法对混合观测矩阵进行盲源分离，估计得到分离的源信号和混合矩阵；基于峭度聚类识别噪声分量，频点置零后重构信号，实现高精度降噪。本发明通过引入自适应分解机制、构建深度协同架构、采用智能聚类识别及精准重构，实现噪声的高效抑制与信号特征的高保真保留。

本发明授权一种改进SVMD联合SOBI的桥梁动应变信号自适应降噪方法在权利要求书中公布了：1.一种改进SVMD联合SOBI的桥梁动应变信号自适应降噪方法，其特征在于，包括以下步骤： S1，通过应变传感器获取桥梁动应变的原始信号ft，原始信号ft包含结构的动态响应与环境背景噪声； S2，以峭度和分解误差为停止准则改进SVMD算法，进而对原始信号ft进行分解，提取k个本征模态函数，计算各本征模态函数分量的峭度值作为特征向量；其中SVMD算法为逐次变分模态分解； S3，基于特征向量构建特征空间，通过K-means聚类算法对本征模态函数分量进行分类，得到噪声主导模态子集和信息分量主导模态子集，从而重构噪声分量信号f1t和初始降噪信号f2t，叠加后的信号f2t是移除了初步判定为噪声的IMF后所得到的、保留了主要结构响应信息的信号，完成初次噪声分离； S4，构造包含原始信号ft、噪声分量信号f1t和初始降噪信号f2t的三通道混合观测矩阵Xt=[ft，f1t，f2t]T；利用SOBI算法对混合观测矩阵Xt进行盲源分离，估计得到分离的源信号和混合矩阵A； S5，针对分离的源信号，计算各分量的归一化峭度值；复用K-means聚类算法识别出噪声主导的源分量；对识别出的噪声分量进行频点置零处理，抑制宽带噪声；保留有效信息分量子集，利用估计的混合矩阵A，进行反向重构，获得最终的高精度降噪信号； 所述S2中停止准则为峭度阈值与重构误差阈值协同判断，峭度值通过式6计算： 6 式中：μ为第i个模态分量的均值，σ为的标准差；K代表峭度值，E表示数学期望算子； 归一化重构误差通过式7计算： 7 表示归一化重构误差。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路2段960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。