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！

摘要：本发明涉及信号降噪重构技术领域，特别涉及一种时空图信号降噪重构方法；采集并输入无噪音完整的时空图信号，将无噪音完整的时空图信号进行训练集和验证集划分；分别对训练集和验证集中无噪音完整的时空图信号采用相同的方法进行降噪重构，训练结束后得到最优模型参数，并在验证集数据上验证算法效果；本发明中的一种时空图信号降噪重构方法，在处理有噪音不完整的时空图信号表现出色，其优势显著；本发明中的一种时空图信号降噪重构方法可以有效识别和去除噪音，尤其是在时空传感器数据中，通过有效地处理噪音，该方法有助于提高信号的质量、准确性和可靠性。

主权项：1.一种时空图信号降噪重构方法，其特征在于：采集并输入无噪音完整的时空图信号，将所述无噪音完整的时空图信号进行训练集和验证集划分；分别对训练集和验证集中无噪音完整的时空图信号采用相同的方法进行降噪重构，所述降噪重构的方法为：S1.对无噪音完整的时空图信号加噪音以及二值采样，合成有噪音不完整的时空图信号；合成有噪音不完整的时空图信号的方法为； 其中，表示哈达玛积，Y为观测到的时空图信号，X为无噪音完整的时空图信号，V为时空噪音，J∈{0,1}为采样矩阵；S2.基于有噪音不完整的时空图信号，通过空间域邻接矩阵和空间域图拉普拉斯矩阵来表征空间域的图结构，并设计降噪重构目标函数；所述降噪重构目标函数的表达式为： 其中，R为引入的可对角化辅助加权矩阵N是时空图信号空间域的节点数；α为超参数；图拉普拉斯矩阵的二次型惩罚项为降噪重构后的时空图信号；DL为时间域差分矩阵；将所述降噪重构目标函数中的优化变量拆分为可通过深度算法展开学习的参数，即k为降噪重构目标函数迭代轮次；对于每次得到的深度算法展开优化参数Θk,k＝1,...,K,通过预设的降噪重构目标函数迭代次数求解降噪重构目标函数，得到降噪重构时空图信号S3.利用深度算法展开迭代求梯度及求解可对角化辅助加权矩阵R、时间域差分矩阵DL和降噪重构目标函数超参数α，基于以上求解得到的可对角化辅助加权矩阵R、时间域差分矩阵DL和降噪重构目标函数超参数α代入所述降噪重构目标函数中，通过共轭梯度法直至降噪重构目标函数的函数值收敛得到降噪重构后的时空图信号及降噪重构后的优化变量；训练结束后得到最优模型参数，并在验证集数据上验证算法效果。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种时空图信号降噪重构方法