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！

龙图腾网获悉中国科学院国家天文台申请的专利一种基于深度学习的脉冲参数智能检测方法与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：CN121721370B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610226928.4，技术领域涉及：G01R29/02；该发明授权一种基于深度学习的脉冲参数智能检测方法与系统是由詹映柔;廖明祥;段然;王一丹;褚雨婷;刘飞;刘燎原设计研发完成，并于2026-02-26向国家知识产权局提交的专利申请。

本一种基于深度学习的脉冲参数智能检测方法与系统在说明书摘要公布了：本发明公开了一种基于深度学习的脉冲参数智能检测方法与系统，所述方法应用于对瞬变天文信号的时频数据进行自动化分析，包括：S1.图像化阶段：对射电望远镜观测到的原始FRB信号数据进行物理校正，将信号数据的原始格式转换为标准化的时频图矩阵二维图像；S2.检测阶段：将该时频图输入到深度学习模型中；深度学习模型利用其特征提取能力，通过一个信号判别分支，在背景噪声中自动定位出FRB脉冲信号所在的时频区域；S3.回归阶段：在成功定位信号区域后，网络通过两个分支，直接回归出该目标的各项属性，从而获得FRB信号的各项脉冲参数的预测值。本发明将多个参数的提取整合进一个端到端的深度学习模型中，极大提高了数据处理速度，简化处理流程。

本发明授权一种基于深度学习的脉冲参数智能检测方法与系统在权利要求书中公布了：1.一种基于深度学习的脉冲参数智能检测方法，其特征在于，所述方法应用于对瞬变天文信号的时频数据进行自动化分析，所述方法具体包括以下步骤： S1.图像化阶段：对射电望远镜观测到的原始FRB信号数据进行物理校正，将信号数据的原始格式转换为标准化的时频图矩阵二维图像；此步骤将抽象的物理信号数据转化为深度学习模型所擅长处理的视觉表征； S2.检测阶段：将该时频图输入到深度学习模型中；深度学习模型利用其特征提取能力，通过一个信号判别分支在背景噪声中自动定位出FRB脉冲信号所在的时频区域； S3.回归阶段：在成功定位信号区域后，网络通过两个分支，直接回归出被定位的信号的各项属性，从而获得FRB信号的各项脉冲参数的预测值； 步骤S2中，所述深度学习模型为脉冲参数智能检测网络，包括区域注意力模块、特征提取模块、特征融合模块、分析头模块； 脉冲参数智能检测网络的数据处理流程如下： S2.1特征提取，将标准化的时频图矩阵二维图像输入到骨干网络中，提取多层次的深度特征； S2.2特征融合，在一个集成了上采样、拼接和R-ELAN模块的特征金字塔式结构的特征融合模块中，对来自不同层次的特征进行特征融合； S2.3多尺度预测，将来自特征金字塔每一尺度的融合特征，分别送入独立的分析头中，以生成初始的预测结果，所述预测结果包括边界框、类别和信噪比； S2.4结果输出，将所有来自不同尺度分析头的预测结果，均通过非极大值抑制算法进行处理，以滤除冗余的检测框，并输出关于信号的信噪比、脉冲宽度和频率带宽的最终结果。

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科学院国家天文台，其通讯地址为：100101 北京市朝阳区大屯路甲20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。