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空间科学中心;中国传媒大学申请的专利一种电离层频高图扩展F现象雷达图形的筛选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：CN115508800B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202210998164.2，技术领域涉及：G01S7/41；该发明授权一种电离层频高图扩展F现象雷达图形的筛选方法及系统是由王铮;王国军;程征伟;史建魁;高鹏东;裘初;齐全设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本一种电离层频高图扩展F现象雷达图形的筛选方法及系统在说明书摘要公布了：本发明涉及一种电离层频高图扩展F现象雷达图形的筛选方法及系统，所述方法包括：将测高仪输出的频高图图像经预处理后输入预先建立和训练好的扩展F现象雷达图形识别模型，得到是否有扩展F现象的识别结果，并得到对应的扩展F类型；所述扩展F类型包括：无扩展F、频率型FSF、区域型RSF、混合型MSF和强区域型SSF；所述扩展F现象雷达图形识别模型为resnet34Net网络、改进的resnet34Net网络或residual_attention_Net网络，采用监督学习的方法训练得到。本发明能够自行对海南测高仪频高图中的扩展F现象的出现以及类型进行机器判断，给出识别结果，判断结果准确性极高。

本发明授权一种电离层频高图扩展F现象雷达图形的筛选方法及系统在权利要求书中公布了：1.一种电离层频高图扩展F现象雷达图形的筛选方法，其特征在于，所述方法包括： 将测高仪输出的频高图图像经预处理后输入预先建立和训练好的扩展F现象雷达图形识别模型，得到是否有扩展F现象的识别结果，并得到对应的扩展F类型；所述扩展F类型包括：无扩展F、频率型FSF、区域型RSF、混合型MSF和强区域型SSF； 所述扩展F现象雷达图形识别模型为resnet34Net网络、改进的resnet34Net网络或residual_attention_Net网络，采用监督学习的方法训练得到； 所述方法还包括扩展F现象雷达图形识别模型的训练步骤；具体包括： 获取电离层测高仪输出的频高图，并对图像进行规范化预处理； 对预处理后的每张图片进行标记和记录，利用记录赋予图片的标签，将图片按照对不同扩展F类型特征进行分类采样，并进行分类校准； 对各类别的图片进行降采样或上采样，使分别到达设定的数量，并分配训练集和测试集； 基于resnet34Net网络、改进的resnet34Net网络或residual_attention_Net网络模型分别建立识别模型，对扩展F类型的特征进行提取和识别； 使用训练集对识别模型进行训练，得到训练好的扩展F现象雷达图形识别模型； 所述对不同扩展F类型特征进行分类时，采用人工判别的方式，同时参考前后电离图的特征，并考虑电离层现象的连续性，再进行判断和分类； 若图片中的图形模糊或出现类似扩展F现象的弥散或由于电离层吸收出现个别空白图形，需要判断是否真的出现扩展F现象，具体为： 若图片的图形关系到地方时的特征，则对图片进行分类采样； 若图片出现连续十几小时甚至更长时间的完全空白图形，则不对图片进行分类采样。

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空间科学中心;中国传媒大学，其通讯地址为：100190 北京市海淀区中关村南二条1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。