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！

龙图腾网获悉中国科学院国家授时中心申请的专利基于深度学习的GNSS实时欺骗干扰检测方法及系统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：CN120334955B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510817440.4，技术领域涉及：G01S19/21；该发明授权基于深度学习的GNSS实时欺骗干扰检测方法及系统是由王彦;陈校非;邹德财设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本基于深度学习的GNSS实时欺骗干扰检测方法及系统在说明书摘要公布了：本发明公开了基于深度学习的GNSS实时欺骗干扰检测方法及系统，属于卫星导航信号处理领域，包括实时采集GNSS接收机的多普勒频移信号，得到初始训练数据集；构建带有增量学习机制的LSTM预测模型，包括双层LSTM网络和全连接层，双层LSTM网络引入门控机制，采用初始训练数据集对预测模型添加高斯白噪声进行模型训练；对初始训练数据集进行滑动窗口处理后，提取多维特征向量；输入训练后的预测模型进行预测，得到模型预测值；计算模型预测值与真实值的残差，排除预热期后，计算残差的标准差，基于残差的标准差动态设定阈值；当残差的绝对值超过阈值且滑动窗口处理的采样点位于预设干扰时间窗内时，判定发生信号干扰事件。

本发明授权基于深度学习的GNSS实时欺骗干扰检测方法及系统在权利要求书中公布了：1.基于深度学习的GNSS实时欺骗干扰检测方法，其特征在于，包括以下步骤： 实时采集GNSS接收机的多普勒频移信号，得到初始训练数据集； 构建带有增量学习机制的LSTM预测模型，采用初始训练数据集，对带有增量学习机制的LSTM预测模型添加高斯白噪声进行模型训练，得到训练后的带有增量学习机制的LSTM预测模型，带有增量学习机制的LSTM预测模型包括双层LSTM网络和全连接层，双层LSTM网络引入门控机制； 对初始训练数据集进行滑动窗口处理后，提取多维特征向量；将多维特征向量输入训练后的带有增量学习机制的LSTM预测模型进行预测，得到模型预测值；所述预测具体为：随机选取部分历史训练数据与实时采集的多普勒频移信号混合，采用带权重冻结的分层更新策略动态更新预测模型参数； 所述采用带权重冻结的分层更新策略动态更新预测模型参数中，包括梯度范数阈值与层级化权重更新量约束，所述梯度范数阈值与层级化权重更新量约束，包括： 梯度范数阈值范围采用梯度裁剪方法设置； 双层LSTM网络的权重更新量在初始权重的第一阈值范围内； 全连接层的权重更新量在初始权重的第二阈值范围内； 所述带权重冻结的分层更新策略采用增量学习规则，所述增量学习规则具体为： 所述增量学习规则的约束条件为： 其中，为更新后的LSTM层参数，为LSTM层学习率，▽为梯度数学符号，为LSTM层参数，为损失函数，为更新后的全连接层参数，为全连接层学习率，为全连接层参数，为初始训练后的参数值，为LSTM层初始训练后的参数值，为全连接层初始训练后的参数值； 计算模型预测值与实时采集的多普勒频移信号真实值的残差，排除预热期后，计算残差的标准差，基于残差的标准差动态设定阈值； 计算残差的绝对值，当残差的绝对值超过阈值且滑动窗口处理的采样点位于预设干扰时间窗内时，判定发生信号干扰事件。

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科学院国家授时中心，其通讯地址为：710600 陕西省西安市临潼区书院东路3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”。