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！

龙图腾网获悉江西财经大学申请的专利基于传感器拓扑与噪声结构的PPG降噪方法及系统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：CN121682238B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610183318.0，技术领域涉及：G06F18/2131；该发明授权基于传感器拓扑与噪声结构的PPG降噪方法及系统是由赵爱华;李诗雨;谭琪涛;董馨茹;朱涛;刘悦;程煜蘅;涂馨仪;罗凯文;舒雷设计研发完成，并于2026-02-09向国家知识产权局提交的专利申请。

本基于传感器拓扑与噪声结构的PPG降噪方法及系统在说明书摘要公布了：本发明提出一种基于传感器拓扑与噪声结构的PPG降噪方法及系统，该方法包括：采集PPG信号，利用加性噪声模型对PPG信号进行计算；通过信号采集与图构建模块根据传感器阵列的物理拓扑结构构建无向图，采用级联式图卷积网络处理无向图上的节点特征；通过时空特征提取模块中的堆叠式GRU网络进行特征聚合与时序建模；对GRU网络输出通过噪声预测模块进行解码预测；将含噪PPG信号输入至优化后的降噪模型中，预测噪声并予以去除，以得到最终的重构PPG信号。本发明通过能有效地从强噪声中恢复出高质量的PPG信号，为动态场景下精准的生理参数监测提供了可靠保障。

本发明授权基于传感器拓扑与噪声结构的PPG降噪方法及系统在权利要求书中公布了：1.一种基于传感器拓扑与噪声结构的PPG降噪方法，其特征在于，所述方法包括如下步骤： 步骤1、基于信号采集与图构建模块、时空特征提取模块、噪声预测模块，以及训练优化模块构成降噪模型； 步骤2、采集PPG信号，利用加性噪声模型对PPG信号进行计算，生成真实噪声信号；通过信号采集与图构建模块根据传感器阵列的物理拓扑结构构建无向图，并将PPG信号中的含噪PPG信号表示为无向图上的节点特征；采用级联式图卷积网络处理无向图上的节点特征，以得到噪声的空间特征； 步骤3、对噪声的空间特征通过时空特征提取模块中的堆叠式GRU网络进行特征聚合与时序建模，以得到GRU网络输出； 步骤4、对GRU网络输出通过噪声预测模块进行解码预测，得到预测噪声信号，具体包括： 将GRU网络输出中的隐藏状态序列，输入至噪声预测模块中独立处理序列中的每一个时间步，并提取出所有时间步的隐藏状态特征向量，将所有时间步的隐藏状态特征向量输入至噪声预测模块中的全连接层中进行特征映射，得到所有时间步在传感器上的具体幅值，并将所有时间步在传感器上的具体幅值构建为预测噪声矩阵，将预测噪声矩阵作为预测噪声信号，对应过程存在的关系式如下： ； 其中，表示GRU网络输出中的隐藏状态序列，表示总时间步和GRU隐藏层的特征维度的实数集，表示预测噪声信号，表示传感器数量和总时间步的实数集； 步骤5、通过训练优化模块计算比较预测噪声信号的协方差矩阵与真实噪声信号的协方差矩阵之间的差异，以构建空间结构损失；计算预测噪声信号与真实噪声信号的之间的逐点差异，以构建逐点精度损失；利用空间结构损失和逐点精度损失进行加权组合成复合损失函数，以对降噪模型进行引导优化，得到优化后的降噪模型；将含噪PPG信号输入至优化后的降噪模型中，预测噪声并予以去除，以得到最终的重构PPG信号； 其中，通过训练优化模块计算比较预测噪声信号的协方差矩阵与真实噪声信号的协方差矩阵之间的差异，以构建空间结构损失，对应过程存在的关系式如下： ； 其中，表示空间结构损失，表示协方差矩阵计算，表示弗罗贝尼乌斯范数的平方，表示弗罗贝尼乌斯范数，表示协方差矩阵，表示信号沿时间维度的均值； 在计算预测噪声信号与真实噪声信号的之间的逐点差异，以构建逐点精度损失的步骤中，对应过程存在的关系式如下： ； 其中，表示逐点精度损失，表示真实噪声信号； 在利用空间结构损失和逐点精度损失进行加权组合成复合损失函数，以对降噪模型进行引导优化的步骤中，对应过程存在的关系式如下： ； 其中，表示复合损失函数，表示平衡空间结构损失和逐点精度损失的超参数。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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。