一种基于扩散模型的抗差错信号重建方法及系统

AITNT
正文
推荐专利
一种基于扩散模型的抗差错信号重建方法及系统
申请号:CN202510491263
申请日期:2025-04-18
公开号:CN120316508A
公开日期:2025-07-15
类型:发明专利
摘要
本申请提供基于扩散模型的抗差错信号重建方法和系统,方法包括:将原始信号和测量矩阵相乘并取模,获得测量信号;建立扩散模型,其功能特征为原始信号的扩散先验;基于扩散模型的反向扩散、基于测量信号的数据一致和解耦采样步骤,从初始值出发,迭代获得待检测信号、初始重建信号及估计测量信号;建立信号重建差错检测器,判断初始重建信号是否为原始信号的成功重建,重复迭代和判断,获得成功重建原始信号或最匹配测量信号的初始重建信号,作为中间重建信号;基于中间重建信号,由扩散模型的反向扩散、测量信号的数据一致和组合解耦采样步骤,迭代求解重建信号。本申请提高了傅立叶测量时的信号重建性能,减少成功重建所需的重复实验次数。
技术关键词
信号重建方法 差错检测器 深度神经网络模型 傅立叶变换矩阵 数据 注意力 特征提取器 噪声强度 解码器 中间层 预训练网络 信号获取模块 线性分类器 编码器 重建系统 传播算法
系统为您推荐了相关专利信息
1
一种基于自然最近邻的混合采样算法
噪声样本 低密度 高密度 相似性度量方法 算法
2
一种基于燃油参数的发动机转速不跟随的故障诊断方法
发动机转速 燃油 故障诊断方法 发动机传感器 参数
3
一种氢泄漏检测的自适应动态基线校正方法
基线校正方法 动态滑动窗口 信号值 位线 非线性回归模型
4
风险监测方法、装置、计算机设备、存储介质和程序产品
风险评估模型 交互终端 车辆电池 风险监测方法 充放电数据
5
基于多通道时频谱云模型融合的汽轮机故障诊断方法
卷积神经网络融合 矩阵 多通道传感器数据 频率 卷积神经网络模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号