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！

龙图腾网获悉贵州大学申请的专利一种用于低频SKA宽带效应与合成波束效应消除的深度学习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：CN119295329B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411370248.7，技术领域涉及：G06T5/60；该发明授权一种用于低频SKA宽带效应与合成波束效应消除的深度学习方法是由张利;杨代虎;卢梅;徐振刚设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种用于低频SKA宽带效应与合成波束效应消除的深度学习方法在说明书摘要公布了：本发明公开了一种用于低频SKA宽带效应与合成波束效应消除的深度学习方法，属于射电天文图像处理领域，包括步骤：S1，建立FSAS、FERM以及FGFN；S2，基于S1建立的FSAS、FERM以及FGFN建立IFS‑Transformer网络模型；S3，应用两个FERM模块获得脏图像I∈RH×W×C的低级特征F0∈RH×W×C；S4，将F0输入FGFN模块，经过两次下采样操作完成编码部分；S5，将编码部分所得特征经过3个FSAS及两次上采样，实现特征学习及解码操作；S6，经过两个FERM处理后，得到最终恢复图像。本发明基于深度学习的效应消除方法可以更有效地对宽带效应与合成波束效应进行联合消除，且更大程度恢复和重建原始天空亮度，可以大大减少效应消除的时间；本专利方法采用深度学习技术可以大大简化效应消除的手动操作过程。

本发明授权一种用于低频SKA宽带效应与合成波束效应消除的深度学习方法在权利要求书中公布了：1.一种用于低频SKA宽带效应与合成波束效应消除的深度学习方法，其特征在于，包括步骤： S1：建立频域自注意力求解器FSAS、特征提取残差模块FERM以及频域门控前向网络FGFN；所述特征提取残差模块FERM由一个卷积层与四个残差块组成； 所述频域自注意力求解器FSAS通过以下公式建立： 通过对特征，和提取图像块，和，得到查询Q、键K和值V： ； 式中：表示图像块数量；R为整形函数，通过整形使得，和表示提取补丁的高度和宽度；C是通道数； 缩放的点积注意力Vatt可以通过下式得到： ； 其中，QKT的每个元素通过内积获得： ； 式中：和是来自和的第i个和第j个补丁的矢量化形式； 通过1×1卷积和3×3卷积分别得到特征，和，然后对和进行快速傅里叶变换，并通过下式估计和在频域中的相关性： ； 式中：和表示傅里叶变换及其逆变换，表示共轭转置运算； 通过层范数·对A进行归一化以估计聚合特征： ； 最后，通过下式得到FSAS的输出特征： ； 式中：表示1×1的卷积；I表示脏图像，其中H×W表示空间维度； 所述门控前向网络FGFN通过以下公式建立： 给定输入张量，FGFN可以通过以下公式表示： ； ； ； ； 式中：和表示傅里叶变换及其逆变换；表示逐元素乘法，表示GELU非线性，是1×1点卷积，是3×3深度卷积，·是层归一化； S2，基于步骤S1建立的FSAS、FERM以及FGFN建立IFS-Transformer网络模型；S3，应用两个FERM模块获得脏图像的低级特征； S4，将所述低级特征F0输入FGFN模块，经过两次下采样操作完成编码部分； S5，将编码部分所得特征经过3个FSAS及两次上采样，实现特征学习及解码操作； S6，经过两个FERM解码模块处理后，得到最终恢复图像。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学；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。