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一种融合时空上下文信息的气象雷达缺失帧重建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：CN121613459B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610129122.3，技术领域涉及：G01S13/95；该发明授权一种融合时空上下文信息的气象雷达缺失帧重建方法是由段春旭;张其林;赵子琪;雷强强;宋琳设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本一种融合时空上下文信息的气象雷达缺失帧重建方法在说明书摘要公布了：本发明公开了一种融合时空上下文信息的气象雷达缺失帧重建方法，包括：对原始气象雷达观测数据进行预处理，得到规范化的雷达回波序列数据；采用随机掩码策略对规范化后的雷达回波序列数据进行缺失模拟，构建训练样本集；引入高效上采样模块及多尺度渐进式融合机制，构建融合时空上下文信息的气象雷达缺失帧重建模型并进行模型训练，通过残差式融合保留高层语义与低层细节，通过嵌入坐标信息的上采样使跨层级特征在空间位置上对齐；将实际缺失的雷达回波序列输入训练完成的缺失帧重建模型，输出补全后的完整雷达回波序列。本发明方法能显著提高雷达数据的完整性与可用性，为气象灾害的精准监测与及时预警等下游业务提供了可靠的数据支撑。

本发明授权一种融合时空上下文信息的气象雷达缺失帧重建方法在权利要求书中公布了：1.一种融合时空上下文信息的气象雷达缺失帧重建方法，其特征在于，包括如下步骤： 步骤1、原始气象雷达观测数据预处理：获取原始气象雷达观测数据并进行预处理，经过数据解码、空间对齐、时空切片、数据清洗、空间降采样、归一化处理和序列分组，得到规范化的雷达回波序列数据； 步骤2、训练样本集的构建：采用自监督重建范式，通过随机掩码策略对规范化后的雷达回波序列数据进行缺失模拟，构建训练样本集； 步骤3、缺失帧重建模型构建与训练：以编码器-解码器结构为基础，针对雷达回波序列数据在时间维度上存在连续性强、空间结构复杂的特点，构建融合时空上下文信息的气象雷达缺失帧重建模型，引入高效上采样模块及多尺度渐进式融合机制，通过残差式融合保留高层语义与低层细节，通过嵌入坐标信息的上采样使跨层级特征在空间位置上对齐，并构建混合重建损失函数，进行模型训练； 所述多尺度渐进式融合机制，处理流程为： 将当前解码层的输入特征图与前一层经高效上采样模块输出的特征图在通道维度上进行拼接，得到融合特征； 对所述融合特征施加由三个串行残差块构成的非线性变换模块进行特征提取，每一个残差块包括两个三维卷积层、归一化层和激活函数，提取高层次语义信息； 将非线性变换后的特征与原始输入特征图相加，得到当前层的输出特征图，数学表达式为： ； 其中，表示在通道维度上的拼接操作； 所述高效上采样模块包括依次连接的三线性插值层、CoordConv层和深度可分离卷积层，具体处理过程为： 将输入特征图通过三线性插值进行空间上采样，将特征图分辨率提升至与对应解码层特征图一致，获得初步高分辨率特征图； 将初步高分辨率特征图通过CoordConv层，在卷积过程中嵌入空间坐标信息，增强模型对空间位置的感知能力； 将CoordConv层的输出特征经过深度可分离卷积层进行处理，包括一个PWConv和一个DWConv，DWConv用于在每个通道独立进行空间卷积，PWConv用于调整通道数； 所述高效上采样模块的输出满足： ； 其中，表示三线性插值，表示坐标卷积层，用于在特征图中嵌入空间坐标信息以增强模型对空间位置的感知能力，表示逐点卷积，表示深度卷积； 步骤4、实际缺失数据补全：将实际缺失的雷达回波序列输入训练完成的缺失帧重建模型，输出补全后的完整雷达回波序列，通过反归一化处理恢复雷达回波数据的原始强度尺度，得到供下游气象业务使用的完整雷达数据。

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。