授权专利 · 高价值AI通信专利
一种基于CNN-LSTM混合模型的无线压力波码通信消噪方法
📡 摘要：
本发明涉及人工智能与油田分层注水交叉技术领域，具体为一种基于CNN‑LSTM混合模型的无线压力波码通信消噪方法。该方法包括：构建包含高斯噪声、脉冲噪声、周期噪声及复杂频段噪声的复合仿真信号集；设计CNN‑LSTM混合模型，其编码器通过卷积层和池化层提取信号局部特征，双向LSTM层捕捉时序依赖，解码器通过上采样与卷积层重构信号；采用均方误差损失函数和Adam优化器训练模型；应用时对采集的信号进行归一化与边缘填充后输入训练好的模型进行消噪，并对输出信号进行动态阈值解码得到码值。该方法能有效联合学习信号的时空特征，自适应抑制井下多源复杂噪声，显著提升信号信噪比与解码精度，增强无线压力波通信的可靠性。
本发明涉及人工智能与油田分层注水交叉技术领域，具体为一种基于CNN‑LSTM混合模型的无线压力波码通信消噪方法。该方法包括：构建包含高斯噪声、脉冲噪声、周期噪声及复杂频段噪声的复合仿真信号集；设计CNN‑LSTM混合模型，其编码器通过卷积层和池化层提取信号局部特征，双向LSTM层捕捉时序依赖，解码器通过上采样与卷积层重构信号；采用均方误差损失函数和Adam优化器训练模型；应用时对采集的信号进行归一化与边缘填充后输入训练好的模型进行消噪，并对输出信号进行动态阈值解码得到码值。该方法能有效联合学习信号的时空特征，自适应抑制井下多源复杂噪声，显著提升信号信噪比与解码精度，增强无线压力波通信的可靠性。
专利附图：CNN-LSTM混合消噪网络架构
发明专利证书（授权公告号 CN121887319B）
修典知识产权 · 专业代理策略
本专利由修典资深专利代理师精心代理，聚焦油田智能注水通信场景，针对复杂噪声环境构建完备的数据集及混合模型权利要求体系，充分利用预审通道，仅用57天即获得授权（2026.03.19→2026.05.15），创下AI通信类专利授权速度纪录。极度为客户开展FTO分析及海外布局策略，支撑浙江大学深海/油气田智能装备技术转化争取宝贵时间，目前已应用于渤海某油田先导试验。
本专利由修典资深专利代理师精心代理，聚焦油田智能注水通信场景，针对复杂噪声环境构建完备的数据集及混合模型权利要求体系，充分利用预审通道，仅用57天即获得授权（2026.03.19→2026.05.15），创下AI通信类专利授权速度纪录。极度为客户开展FTO分析及海外布局策略，支撑浙江大学深海/油气田智能装备技术转化争取宝贵时间，目前已应用于渤海某油田先导试验。
技术影响力 & 创新价值
本发明创新性融合CNN局部特征提取与LSTM时序依赖建模能力，首次在井下无线压力波通信中实现端到端多源噪声自适应抑制。相比传统滤波方法，信噪比提升≥21dB，解码误码率降低至0.3%以下，显著增强注水井分层流量调控的可靠性。建议相关技术申请美国及PCT专利，做成“智慧油田”重大专项，以获中国石油科技创新基金专项支持。
信噪比大幅度提升
建议申报“油田智能化十大创新技术”
建议申报2026年中国发明专利果
布局美、欧、俄同族专利
修典代理团队在深度学习通信消噪领域具备深厚撰写经验，通过构建三层递进式权利要求：基础混合模型架构→动态阈值解码方法→面向注水场景特定应用，最终获得宽范围保护，为客户商业化奠定坚实基础。