公开(公告)号：CN119719743A

公开(公告)日：2025-03-28

申请号：CN202411784729.2

申请日：2024-12-06

Applicant: 河北工业大学

Inventor： 孙凌宇 ,  白明月 ,  齐帅 ,  雷云 ,  吕德龙

IPC: G06F18/213 ,  G06F18/241 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明公开了一种基于自监督学习的传感器数据特征提取方法，适用于包括但不限于IMU、温度、压力、视觉等多种传感器数据。首先获取来自不同传感器的数据，并对数据进行预处理；接着，对预处理后的传感器数据进行掩码处理；然后，构建任务模型；任务模型包括数据压缩模块、编码器和解码器。数据压缩模块对输入的传感器数据进行压缩和升维，编码器用于提取传感器数据的高维特征，解码器对这些高维特征进行解码；最后，将掩码处理后的传感器数据输入任务模型中，模型输出重构的数据；将重构的数据与预处理后的数据进行对比，通过计算训练损失，利用自监督学习对任务模型进行训练，并使用训练后的编码器提取传感器数据的高维特征。该方法通过掩码、编码及重构数据增强模型对传感器数据内在和基本特征的表征学习，提升了特征提取的精度，降低了对标记数据的依赖，且适应于多种传感器的数据处理任务。