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！

龙图腾网恭喜电子科技大学申请的专利一种基于U-net++的单通道盲源分离和噪声参数估计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：CN116962122B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310949106.5，技术领域涉及：H04L25/02；该发明授权一种基于U-net++的单通道盲源分离和噪声参数估计方法是由齐天甫;王军;黄巍设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于U-net++的单通道盲源分离和噪声参数估计方法在说明书摘要公布了：本发明属于通信技术领域，具体的说是涉及一种基于U‑net++的单通道盲源分离和噪声参数估计方法。本发明根据混合噪声的统计物理特性，结合U‑net++结构的多层特征提取能力，基于单通道接收信号对源信号进行分离，设计的预处理模块减小了接收信号中的明显异常值，降低了网络学习特征的难度，减弱了过拟合的风险，此外新损失函数更加匹配混合噪声环境，更能描述不同阈值噪声样本对网络参数的影响，简化后的损失函数还进一步降低了复杂度。此外，结合所估计参数可设计基于最大似然的解调方法，得到更优的误码率性能。

本发明授权一种基于U-net++的单通道盲源分离和噪声参数估计方法在权利要求书中公布了：1.一种基于U-net++的单通道盲源分离和噪声参数估计方法，其特征在于，包括以下步骤：S1、采集混合噪声下的接收端信号作为训练样本，定义第i个样本为：y[i]＝x[i]+n[i],i＝1,2,…其中，x[i]和n[i]分别是源信号和混合噪声的第i个样本，混合噪声n[i]由高斯噪声和非高斯脉冲噪声加和得到：n[i]＝nG[i]+nI[i],i＝1,2,…n[i]的建模模型为： 其中，α、γs、γg、γsg和c1为未知参数，α代表模型的拖尾衰减速度，γs和γs分别代表脉冲噪声和高斯噪声的尺度参数， 其中Γ·为Gamma函数S2、构建盲源信号分离模型，包括预处理模块和U-net++模块，其中预处理模块用于对输入的信号进行以下预处理： 其中，y是输入预处理模块的信号，y0是设定的阈值： 其中，E[·]代表均值操作，Y表示接收信号，X表示发射信号，C0.5,2和C0.5,0.51的计算公式是： 其中，Γ·是Gamma函数，定义是定义经过预处理模块后得到信号为i是指信号的第i个样本；U-net++模块由U-net++网络和全连接层构成，其中全连接层用于对U-net++网络输出的信号进行维度恢复，信号经过U-net++模块后转换为N是接收信号点数，即为恢复的发射调制信号，再与接收信号相减得到恢复的近似噪声样本S3、利用获取的训练样本对构建的盲源信号分离模型进行训练，采用的损失函数为： 其中，x0为预设的分段阈值，取α＝1.5，c2＝1；经过训练后得到训练好的盲源信号分离模型；S4、将接收信号送入训练好的盲源信号分离模型进行源信号分离，得到恢复的发射调制信号和恢复的近似噪声S5、根据得到的近似噪声进行参数估计，在n[i]模型中的5个未知参数，其中α、γs、γg的物理意义与SαS分布中对应的参数相同，根据SαS分布的特征函数进行估计：φαt＝exp-γgt2-γs|t|α通过选取三个不同的t列得方程组求解三个参数，剩下的γsg通过高斯分布的分位数进行经验估计，c1作为中心主瓣和拖尾部分的权重因子，取值范围为[0,1]，通过最小化经验PDF和代入所估计参数的PDF之间的KL散度获得，最小化KL散度通过网格搜索实现，经验PDF通过噪声样本结合高斯核密度估计得到数值结果；从而估计得到全部5个未知参数，再根据所估计的参数对接收信号进行ML解调。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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”。