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一种基于自适应自编码器的磁共振随机噪声抑制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：CN116148935B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310084262.X，技术领域涉及：G01V3/14；该发明授权一种基于自适应自编码器的磁共振随机噪声抑制方法是由林婷婷;韦萌;于思佳;张扬设计研发完成，并于2023-02-02向国家知识产权局提交的专利申请。

本一种基于自适应自编码器的磁共振随机噪声抑制方法在说明书摘要公布了：本发明一种磁共振地下水探测随机噪声抑制方法，包括：构建噪声抑制模型，通过噪声抑制模型对磁共振地下水探测随机噪声进行抑制；包括：向多组理想的磁共振信号中加入随机噪声，得到数据集；搭建模型，模型包括编码器和解码器，并初始化网络参数；利用训练集S对模型进行训练，通过编码器对数据进行特征提取得到隐变量z，通过解码器从隐变量z重构出有效信号；使得自编码器建立训练样本的概率分布模型来学习信号的分布规律，依据输入信号与重构信号偏差确定损失函数，并引入参数估计误差约束损失函数，更新网络模型参数，直到损失函数趋势稳定，得到自适应自编码器去噪模型；使用测试集T测试模型去噪效果。解决消噪效果有限，提高了消噪效率。

本发明授权一种基于自适应自编码器的磁共振随机噪声抑制方法在权利要求书中公布了：1.一种磁共振地下水探测随机噪声抑制方法，其特征在于，包括： 构建噪声抑制模型，以及通过噪声抑制模型对磁共振地下水探测随机噪声进行抑制；其中构建噪声抑制模型包括： a、构建数据集：向多组理想的磁共振信号中加入随机噪声，得到数据集X=[x1,x2,...,xn]，将数据集按7:3的比例划分为训练集S=[x1,x2,...,xm]和测试集T=[xm+1,xm+2,...,xn]； b、搭建模型：引入卷积层、反卷积层来搭建自适应自编码器模型，自适应自编码器模型包括编码器和解码器，并初始化网络参数； c、训练模型：利用训练集S对自适应自编码器模型进行训练，通过编码器对数据进行特征提取得到隐变量z，通过解码器从隐变量z重构出有效信号； d、确定模型：使得自编码器建立训练样本的概率分布模型学习信号的分布规律，依据输入信号与重构信号偏差确定损失函数，并引入参数估计误差约束损失函数，更新网络模型参数，直到损失函数趋势稳定，得到自适应自编码器去噪模型； e、测试模型：使用测试集T测试自适应自编码器去噪模型去噪效果； 所述步骤b中的搭建模型的具体步骤包括： 使用卷积层搭建自适应自编码器中的编码器，初始化网络参数，编码器网络记作Q； 使用反卷积层搭建自适应自编码器中的解码器，初始化网络参数，解码器网络记作P； 步骤d中的确定模型具体包括： 1通过衡量隐变量z相对于输入信号x的分布和相对于重构信号xr分布的信息损失分布距离，利用变分推断，计算x与xr的分布规律： ， 其中，和分别为编码器和解码器概率模型估计z的分布； 2由贝叶斯公式和步骤1得到： ， 将记作， ， ； 为最大化似然概率，最大化，即自适应自编码器模型的损失函数 ， 假设和均为正态分布，分别服从，N0,1，则 ， 为解码器生成重建信号的重建效果； 3最大化转换为： ， ， 4分别对模型输入x、输出的信号xr取复包络，表示为ux与uxr，将两者之间的差距作为约束模型损失函数的条件，则模型的损失函数改进为 ， 优化损失函数，更新编码器解码器参数和，直到稳定，确定自适应自编码器去噪模型。

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 吉林省长春市朝阳区前进大街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。