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！

龙图腾网获悉中国石油大学(华东)申请的专利GNSS-R与散射计联合的同轨时序海面风速反演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：CN120277618B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510749089.X，技术领域涉及：G06F18/25；该发明授权GNSS-R与散射计联合的同轨时序海面风速反演方法及系统是由宋冬梅;潘跃威;王斌设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本GNSS-R与散射计联合的同轨时序海面风速反演方法及系统在说明书摘要公布了：本发明属于海洋数据处理技术领域，公开了GNSS‑R与散射计联合的同轨时序海面风速反演方法及系统，方法包括以下步骤：获取海洋表面风的历史卫星数据，对所述历史卫星数据进行预处理得到预处理后数据，并结合参考风速与涌浪辅助数据构建训练样本集；利用若干单时刻多频信息融合模块和多时刻交互注意力增强模块构建初始风速反演模型，并利用所述训练样本集对所述初始风速反演模型进行训练，得到同轨时序海面风速反演模型；获取时延‑多普勒相关功率图、GNSS‑R观测参数、散射计参数和风浪涌浪有效波高，并利用所述同轨时序海面风速反演模型完成海面风速反演，得到海面风速预测数据。

本发明授权GNSS-R与散射计联合的同轨时序海面风速反演方法及系统在权利要求书中公布了：1.GNSS-R与散射计联合的同轨时序海面风速反演方法，其特征在于，包括以下步骤： 获取海洋表面风的历史卫星数据，对所述历史卫星数据进行预处理得到预处理后数据，并结合参考风速与涌浪辅助数据构建训练样本集； 利用若干单时刻多频信息融合模块和多时刻交互注意力增强模块构建初始风速反演模型，并利用所述训练样本集对所述初始风速反演模型进行训练，得到同轨时序海面风速反演模型； 获取时延-多普勒相关功率图、GNSS-R观测参数、散射计参数和风浪涌浪有效波高，并利用所述同轨时序海面风速反演模型完成海面风速反演，得到海面风速预测数据； 所述单时刻多频信息融合模块包括：小波变换单元、全局增强单元、局部增强单元、BP单元和特征融合单元； 所述小波变换单元由低通滤波器和高通滤波器构成；所述小波变换单元用于将时延-多普勒相关功率图进行二维小波分解，将图像划分为1个低频近似子带和3个高频细节子带，并以所述低频近似子带为低频DDM图像，将3个所述高频细节子带进行加权融合，得到高频DDM图像； 所述全局增强单元由图块嵌入、位置编码、层归一化、多头自注意力和多层感知机构成；所述图块嵌入用于对所述低频DDM图像和所述高频DDM图像转化为特征向量序列；所述位置编码用于引入与所特征向量序列大小一致的延迟多普勒坐标，并将所述特征向量序列与所述延迟多普勒坐标整合，得到输入向量；所述层归一化用于将所述输入向量进行标准化，得到标准化后向量；所述多头自注意力基于自注意力机制对所述标准化后向量进行处理，得到若干输入特征；所述多层感知机用于对每个所述输入特征进行线性变换和非线性激活，得到全局特征序列； 所述局部增强单元包括CNN网络和双向特征增强子单元；所述CNN用于初步提取所述低频DDM图像和所述高频DDM图像的局部纹理特征，所述双向特征增强子单元用于对所述局部纹理特征进行全局平均池化操作并加权，得到局部特征序列； 所述BP单元用于对GNSS-R观测参数、散射计参数和风浪涌浪有效波高进行特征提取并加权求和，得到多源参数融合特征； 所述特征融合单元用于将所述全局特征序列、所述局部特征序列和所述多源参数融合特征进行融合，得到单时刻融合特征； 所述多时刻交互注意力增强模块包括：第一双向长短期记忆网络、第二双向长短期记忆网络和全连接层； 所述第一双向长短期记忆网络用于提取若干所述单时刻融合特征的时间依赖特征，并结合多头自注意力机制增强不同时间步之间的内部关联性； 所述第二双向长短期记忆网络用于进一步提取所述单时刻融合特征的深层时序特征，并通过多头交叉注意力机制加强不同时间步特征间的交互建模； 所述全连接层用于将所述时间依赖特征和所述深层时序特征进行融合，得到海面风速预测结果。

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石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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”。