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！

龙图腾网获悉南京信息工程大学申请的专利基于深度时空融合网络的雷达回波外推模型的实现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：CN115346101B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202211006296.9，技术领域涉及：G06V10/82；该发明授权基于深度时空融合网络的雷达回波外推模型的实现方法是由方巍;庞林;易伟楠设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本基于深度时空融合网络的雷达回波外推模型的实现方法在说明书摘要公布了：本发明公开了一种基于深度时空融合网络的雷达回波外推模型的实现方法，包括步骤：S1，对雷达图像数据进行处理，得到雷达序列数据；S2，通过整合时间差分网络和时空轨迹网络构建时空融合神经网络模型，采用时间差分网络中的差分运算来提取相邻两张雷达图像的差分特征，并将差分特征向高层传递、逐层抽象，提取不确定的时空变化过程中确定性的部分；同时利用空间轨迹网络来学习瞬态变化部分；S3，采用雷达序列数据，对时空融合神经网络模型进行训练，直到满足条件后，停止训练，保存模型；S4，利用步骤S3得到的最终模型，预测云图的未来运动趋势。本发明的时空融合神经网络模型融合了运动趋势与瞬态变化，实现了长短时关联记忆。

本发明授权基于深度时空融合网络的雷达回波外推模型的实现方法在权利要求书中公布了：1.一种基于深度时空融合网络的雷达回波外推模型的实现方法，其特征在于，包括步骤如下： S1，对雷达图像数据进行处理，得到雷达序列数据； S2，通过整合时间差分网络TDN和时空轨迹网络STN构建时空融合神经网络模型，采用时间差分网络中的差分运算来提取相邻两张雷达图像的差分特征，并将差分特征向高层传递、逐层抽象，提取不确定的时空变化过程中确定性的部分；同时利用空间轨迹网络来学习瞬态变化部分；具体实现步骤如下： S21，通过交叉融合时间差分网络TDN和时空轨迹网络STN构建时空融合神经网络模型； S22，通过构建时间差分网络TDN，学习图像序列的长期运动趋势； S23，通过构建时间差分网络的循环单元，学习图像序列的长期趋势信息； S24，通过构建时空轨迹网络STN，学习图像序列的短期瞬态变化； S25，通过构建时空轨迹网络的循环单元，记忆图像序列的短期轨迹信息； 步骤S21中，所述时空融合神经网络模型的结构为：底层采用ST-LSTM循环单元，其他层为通过堆叠时间差分TDiff-LSTM和时空轨迹STraj-LSTM形成的STUNNER-block；ST-LSTM循环单元的输入为原始的雷达图像，通过提取抽象特征并将时空序列编码到网络中，表达式如下： 其中，为输入的雷达图像，为隐状态，为时序状态，为时空记忆状态；上标l表示层数，总层数用L表示；下标t表示时间步； STUNNER-block用于提取和整合运动趋势和轨迹变化，表达式如下： 其中，为差分隐状态，为差分时序状态； S3，采用雷达序列数据，对时空融合神经网络模型进行训练，直到满足条件后，停止训练，保存模型； S4，利用步骤S3得到的最终模型，预测云图的未来运动趋势。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。

以上内容由龙图腾AI智能生成。