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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于深度学习的国产卫星高度计融合产品的偏差订正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：CN119475226B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202411527650.1，技术领域涉及：G06F18/25；该发明授权基于深度学习的国产卫星高度计融合产品的偏差订正方法是由闫恒乾;鲍森亮;梁真瑜;王辉赞;林聪豪;刘健斌;郭雨榕;周隽涵;吴明辉设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于深度学习的国产卫星高度计融合产品的偏差订正方法在说明书摘要公布了：本发明属于卫星高度计数据偏差订正领域，具体涉及一种基于深度学习的国产卫星高度计融合产品偏差订正方法。本发明包括以下步骤：S1、获取卫星遥感数据作为输入与标签数据，并将获得的输入与标签数据集整合成一定的组织结构并划分为用于模型训练、验证以及测试的子集；S2、搭建深度学习网络A2A；S3、利用步骤S1得到的数据集对步骤S2得到的深度学习网络A2A进行交替地训练与验证；S4、利用训练好的深度学习网络A2A订正国产卫星高度计融合产品，即得到更高精度的国产卫星高度计数据。本发明基于深度学习框架搭建模型，利用公开数据集进行模型训练与预测，较传统方法操作更方便，泛化能力更强，为改善国产卫星高度计融合产品的精度提供了新的有效途径。

本发明授权基于深度学习的国产卫星高度计融合产品的偏差订正方法在权利要求书中公布了：1.基于深度学习的国产卫星高度计融合产品的偏差订正方法，其特征在于：包括以下步骤： S1、获取卫星遥感数据作为输入与标签数据，将获得的输入与标签数据集整合成组织结构并划分为用于模型训练、验证以及测试的子集； S2、搭建深度学习网络A2A，具体过程为： S21、构建SF浅层特征提取模块，输出特征图为； S22、构建LFGA过滤陆地的全球海洋注意力模块，包括以下步骤： S221、输入特征图展平为符合Transformer的编码器模块的输入要求的尺寸，采用尺寸为的滑动窗口，按照步长，分别扫描输入的尺寸为的特征图，四维网格化张量的格式，分别独立扫描个样本下的尺寸的特征图，滑动窗口在每个通道数为的特征图上，将每次滑动后窗口覆盖区域的下的尺寸为的特征图展平，然后将个的特征图依次拼接起来，得到一个长度为的长向量，由于一共滑动次数，得到个长度为的向量，由于个样本同时独立扫描，最后得到Unfold后的特征图，尺寸为，，； S222、采用LFM陆地过滤机制，过滤全球范围内的陆地信息，首先，以一个标签样本中的绝对动力高度数据为模板，将其中海洋中的网格值赋值为1，陆地中的网格值赋值为0，然后按照S221中相同尺寸与步长的滑动窗口进行Unfold展开，得到一个尺寸为的海陆编码信息矩阵Mask，因此，，Mask中的每一行长度为即对应原先为展开的二维区域中的一块滑动窗口所覆盖的区域大小，由于陆地网格值为0，海洋网格值为1，因此，如果滑动窗口所覆盖网格全部处于陆地，则Unfold后的Mask中的该行的网格全部为0，如果处于海洋，则全部为1，如果处于海陆交界，则同时包含0与1，得到了区分海洋与陆地的海陆编码信息矩阵Mask，只需要标记Mask中全部为0的行，得到记录了陆地所在行的索引的向量Index，长度为的向量，其中陆地所在行的值为0，其余为1，根据Index取出Unfold后的特征图的对应索引位置的行，保留剩余的行，即得到只包含海洋与海陆交界区域的信息的特征图，尺寸为，表示海洋以及海陆交界的行数； S223、采用多头自注意力机制捕捉全局注意力，输入展平的特征图，经过一层归一化层Norm，对每个沿着的维度对每一行进行归一化，然后分别经过3个相同全连接层Linear将第3维扩大倍，并采用pytorch的reshape函数分成段，得到，，矩阵，然后，进行SDPA缩放逐点乘法运算； S224、进行陆地信息复原，即参照记录了陆地所在行的索引的向量Index，将中原本删除的陆地行的所在位置填入长度为的0向量，得到特征图； S225，按照Unfold展开操作的反操作Fold折叠操作，将特征图恢复为特征图； S226、将上述S221-S225步：特征图展开，陆地过滤，Transformer的多头自注意力机制捕捉全局注意力，陆地信息复原，特征图折叠依次连接，构建LFGA过滤陆地的全球海洋注意力模块的表达式为： ； 其中，表示LFGA过滤陆地的全球海洋注意力模块的输出特征图，表示LFGA过滤陆地的全球海洋注意力模块的映射函数； S23、构建RF重构特征模块，RF输出模块表达式如下： ； 其中，表示RF重构特征模块的输出特征图，表示RF重构特征模块的映射函数，与表示3×3与5×5卷积核大小的卷积层； S24、将1个步骤S21得到的SF浅层特征提取模块，3个步骤S22得到的LFGA过滤陆地的全球海洋注意力模块，1个步骤S23得到的RF重构特征模块依次连接，得到深度学习网络A2A，表达式如下： ； 其中，示深度学习网络A2A的输入与输出的映射关系，输入为经过归一化处理的多变量输入批次，输出为偏差订正后的绝对动力高度以及海面高度异常数据批次，表示A2A模型中第层的权重与偏差； S3、利用步骤S1得到的数据集对步骤S2得到的深度学习网络A2A进行交替地训练与验证，深度学习网络A2A的各层参数； S4、利用训练好的深度学习网络A2A订正国产卫星高度计融合产品； S41、将步骤S15得到的测试集数据采用MinMax归一化方法，归一化到区间； S42、将步骤S41得到的归一化的测试集数据，分批次输入步骤S3得到的训练好的深度学习网络A2A中，输出的各批次数据进行反归一化，得到经过偏差订正的国产卫星高度计数据，反归一化公式为： ； 其中，表示未反归一化的测试集输出，表示反归一化后的测试集输出，为训练集中作为标签的国外卫星高度计融合产品的最小值，为训练集中作为标签的国外卫星高度计融合产品的最大值。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。