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！

龙图腾网获悉长安大学申请的专利一种基于特征分解的GNSS复杂山区滑坡监测多路径信号非监督学习识别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：CN120387041B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202510438253.5，技术领域涉及：G06F18/23213；该发明授权一种基于特征分解的GNSS复杂山区滑坡监测多路径信号非监督学习识别方法是由卢少骥;王利;舒宝;张勤;杨荣坤;安君毅设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种基于特征分解的GNSS复杂山区滑坡监测多路径信号非监督学习识别方法在说明书摘要公布了：本发明属于卫星导航及信号识别技术领域，具体涉及一种基于特征分解的GNSS复杂山区滑坡监测多路径信号非监督学习识别方法，本发明以研究测站的信噪比、高度角、方位角、双差残差作为特征值，并进行特征分解，再利用K‑means++算法进行聚类分析，通过计算聚类结果的轮廓系数、识别准确率、各簇族多路径误差绝对值的平均值数据，基于此剔除受多路径信号影响较大的卫星数据，再利用剔除后的卫星数据进行GNSS定位计算。本发明引入特征分解的数据处理方法，结合非监督学习K‑means++聚类算法，精确识别GNSS信号中的多路径误差，本发明方法能够有效剔除受多路径误差影响的卫星数据，提升了多路径信号识别的效率，显著提高了GNSS定位精度。

本发明授权一种基于特征分解的GNSS复杂山区滑坡监测多路径信号非监督学习识别方法在权利要求书中公布了：1.一种基于特征分解的GNSS复杂山区滑坡监测多路径信号非监督学习识别方法，其特征在于，包括如下步骤： S1、提取研究测站的信噪比、高度角、方位角、双差残差作为特征值； S2、对步骤S1提取的特征值进行特征分解，得到缩放后的数据集； S3、利用K-means++算法对步骤S2缩放后的数据集进行聚类； S4、利用步骤S3聚类后得到的轮廓系数、识别准确率、各簇族多路径误差绝对值的平均值，剔除受多路径信号影响大的卫星数据，再利用剔除后的卫星数据进行GNSS定位计算； 所述特征分解包括如下步骤： 将信噪比、高度角、方位角和双差残差输入数据集矩阵X，计算矩阵X的相关系数矩阵R，解矩阵R的基础解系并对其做标准正交化得到正交矩阵P，对数据集矩阵X点乘正交矩阵P得到去相关后的矩阵Y，分别计算数据集矩阵Y中每个维度求标准差σi形成对角矩阵Λ、对数据集乘矩阵Y点乘以对角矩阵Λ，得到缩放后的数据集Z。

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安大学，其通讯地址为：710061 陕西省西安市碑林区南二环路中段；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。