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！

龙图腾网获悉中国电子科技集团公司第七研究所申请的专利基于扩散模型的多时频重叠混合信号盲分离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：CN121502317B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610043105.8，技术领域涉及：G06F18/2134；该发明授权基于扩散模型的多时频重叠混合信号盲分离方法是由李扬清;刘欣瑶;杨灿;肖博设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本基于扩散模型的多时频重叠混合信号盲分离方法在说明书摘要公布了：本发明提出了基于扩散模型的多时频重叠混合信号盲分离方法，涉及混合信号分离的技术领域。首先对多时频重叠混合信号进行预处理，获得每一个源信号的初始估计信息；构建级联式混合信号分离模型，该模型包含多个并行的扩散生成模块与一致性约束模块，模块间交互迭代源信号的估计信息；在迭代过程中，利用扩散生成模块计算得分估计，为恢复符合先验分布的信号提供优化方向；利用一致性约束模块基于得分估计对参考信号进行联合优化得到最大后验，并对剩余源信号估计值进行协同校正；基于从不同参考信号出发的估计结果融合得到源信号的最终分离结果。通过并行级联与迭代协同校正机制，实现了具有强泛化能力与高可靠性的多时频重叠信号分离。

本发明授权基于扩散模型的多时频重叠混合信号盲分离方法在权利要求书中公布了：1.基于扩散模型的多时频重叠混合信号盲分离方法，其特征在于，包括以下步骤： S1.对多时频重叠混合信号进行预处理，获得多时频重叠混合信号中每一个源信号的当前估计信息；所述多时频重叠混合信号中的信号源数量已知； S2.构建级联式混合信号分离模型并进行预训练，所述级联式混合信号分离模型包括个并行的扩散生成模块和个并行的一致性约束模块，个扩散生成模块与个一致性约束模块之间交互迭代各源信号的估计信息，，为正整数； S3.令，设置最大迭代次数为，执行S4； S4.进行第次迭代：将第个源信号的当前估计信息输入至第个扩散生成模块，得到第个源信号当前估计信息的得分估计，共得到个源信号当前估计信息的得分估计；所述得分估计为从第个源信号中恢复出符合该源信号先验分布的信号提供优化方向； 所述利用扩散生成模块得到第个源信号当前估计信息的得分估计，过程为： S41.令，设置最大加噪采样次数为，执行S42； S42.基于随机采样噪声向量及随机采样时间步，对每一个源信号进行加噪采样，得到带噪源信号样本，表达式为： 其中，表示随机采样时间步，表示加噪采样的次数，表示时间步所对应的信号衰减系数，表示随机采样的噪声向量，该噪声向量服从标准复数正态分布； S43.基于带噪源信号样本及随机采样时间步，利用扩散模型估计加噪采样的噪声； S44.判断加噪采样的次数是否达到预设的最大加噪采样次数，若否，则令的值增加1，返回S42；若是，则基于多噪声级平滑计算第个源信号当前估计信息的得分估计，计算表达式为： 其中，表示加入到源信号中的噪声向量的标准差，表示所有随机采样时间步的期望； S5.在第个一致性约束模块中以第个源信号为参考信号，基于个源信号当前估计信息的得分估计，对参考信号进行联合优化，得到第个源信号的最大后验，并利用所述最大后验对剩余个源信号估计值进行协同校正； 所述对参考信号进行联合优化，包括： 利用所述得分估计作为概率梯度，基于预设的迭代学习率，更新所述参考信号的当前估计信息，更新表达式为： 其中，表示更新后的参考信号估计，表示参考信号的混合系数，表示参考信号的得分估计，表示剩余个源信号的混合系数，表示剩余个源信号的得分估计； 所述利用第个源信号的最大后验对剩余个源信号估计值进行协同校正，计算表达式为： 其中，表示剩余个源信号中的单个源信号，表示剩余个源信号中的干扰信号，表示剩余个源信号中的干扰信号的混合系数； S6.基于校正结果，获得组从不同参考信号出发的估计结果，基于所述组从不同参考信号出发的估计结果，得到第个源信号的估计值； S7.判断迭代次数是否达到最大迭代次数N，若是，则将第个源信号的估计值作为第个源信号的最终的分离结果；否则，令的值增加1，将S6得到的估计值作为第个源信号的当前估计信息，返回S4。

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国电子科技集团公司第七研究所，其通讯地址为：510310 广东省广州市海珠区新港中路381号29分箱；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。