一种基于长短时序特征同化的传感器数据超分辨重构方法

一种基于长短时序特征同化的传感器数据超分辨重构方法，它涉及一种传感器数据超分辨重构方法。本发明有效解决了不规则采样间隔数据的规范化处理难题。其次，本发明创新性地构建了双引擎超分辨重构框架：一方面利用卷积‑反卷积神经网络挖掘长时间尺度周期特征，通过历史数据训练获取深层特征表示能力；另一方面创新性地引入神经常微分方程，从数据变化的微梯度差出发建模连续时间动态，精准捕捉短时瞬变特征。在此基础上，通过粒子滤波算法对双引擎输出进行加权融合，实现长短时数据特征的同化。本发明通过时空特征的协同挖掘与融合，显著提升了超分辨重构的精度与鲁棒性。本发明属于传感器数据超分辨重构技术领域。