长春大学程广亮获国家专利权
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！
龙图腾网获悉长春大学申请的专利基于双卷积神经网络的非视距分类与误差补偿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：CN121093166B 。
龙图腾网通过国家知识产权局官网在2026-03-24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：202511630791.0，技术领域涉及：G06F18/2415；该发明授权基于双卷积神经网络的非视距分类与误差补偿方法及系统是由程广亮;程硕;曹昕燕;王英霞;李丽;张猛;董玉冰设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。
本基于双卷积神经网络的非视距分类与误差补偿方法及系统在说明书摘要公布了：本发明涉及定位设备信号处理与定位精度技术领域，具体公开了基于双卷积神经网络的非视距分类与误差补偿方法及系统，所述方法包括获取超宽带信号的信道脉冲响应数据，并进行预处理得到实数形式的幅值序列；构建双卷积神经网络分类模型，双卷积神经网络分类模型包括并行的大卷积核卷积块和小卷积核卷积块，分别用于从所述幅值序列中分别提取宏观波形特征和微观波动特征；将宏观波形特征和微观波动特征融合后进行分类训练；基于训练好的分类模型，对非视距信号进行测距误差的回归补偿，能够同时从数据中提取宏观的波形轮廓特征和微观的局部波动特征，互补性特征提取机制相比单一结构的网络能更全面地描述LOSNLOS信号的差异。
本发明授权基于双卷积神经网络的非视距分类与误差补偿方法及系统在权利要求书中公布了：1.基于双卷积神经网络的非视距分类与误差补偿方法，其特征在于，所述方法包括： 获取超宽带UWB信号的信道脉冲响应CIR数据，并进行预处理得到实数形式的幅值序列； 构建双卷积神经网络分类模型，所述双卷积神经网络分类模型包括并行的大卷积核卷积块和小卷积核卷积块，分别用于从所述幅值序列中分别提取宏观波形特征和微观波动特征； 将宏观波形特征和微观波动特征融合后进行分类训练； 基于训练好的分类模型，对非视距信号进行测距误差的回归补偿，输出校正后的距离值； 所述误差补偿步骤具体为： 冻结训练好的分类模型中的特征提取部分参数； 在特征融合层后连接一个由全连接层构成的回归子网络； 使用组合损失函数对所述回归子网络进行训练，所述组合损失函数为分类损失函数和回归损失函数的加权和。
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长春大学，其通讯地址为：130022 吉林省长春市卫星路6543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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励