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！

龙图腾网获悉中国人民解放军63871部队申请的专利一种远距离成像中的大气湍流波前相因子估计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：CN119903723B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411822190.5，技术领域涉及：G06F30/27；该发明授权一种远距离成像中的大气湍流波前相因子估计方法是由田超;郭世平;孙明昭;王佳笑;尤为;王红培;饶鹏;李忠升;赵玉慧;华创录;杨鹏;廖俊勃;王晨辉;曾伟;武彩云设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种远距离成像中的大气湍流波前相因子估计方法在说明书摘要公布了：本发明提供了一种远距离成像中的大气湍流波前相因子估计方法，直接构造光学系统探测图像与波前相因子之间的映射关系模型，并利用训练好的深度神经网络学习这种映射关系，实现对每一帧探测图像对应的波前相因子实部及虚部的端到端输出，从而即完成了对传输路径上大气降质波前相因子的估计。本发明拓展了湍流介质光传播领域的应用范畴及研究思路，保证了双网络模型的输出不仅在数据空间分布是最佳拟合，也保证了预测得到的相因子是符合Kolmogorov湍流统计的，即该方案是数据驱动结合物理约束。

本发明授权一种远距离成像中的大气湍流波前相因子估计方法在权利要求书中公布了：1.一种远距离成像中的大气湍流波前相因子估计方法，其特征在于包括下述步骤： 步骤1，构建双生成对抗网络模型，网络模型为探测图像分别与波前相因子的实部及波前相因子的虚部的映射关系，双生成对抗网络PR和PI分别用来估计波前相因子的实部及虚部训练时双网络参数互相交替传递，预测时各自独立； 步骤2，构建“波前相因子-降质观测图像”配对数据集，配对数据集中场景清晰图像为晴朗天气时采集的实测数据，配对数据集中降质观测图像基于功率谱反演法的相位屏仿真构建；功率谱密度函数PSDnk采用包含大气折射率结构参数的表达式，水平场景仿真时取地平面典型值，斜程场景仿真时采用随高度变化的大气结构参数模型配对数据集中波前相因子的实部及虚部直接由构建； 步骤3，在配对数据集上对步骤1设计的双生成对抗网络进行迭代交替训练及测试，将域的生成器网络GR及域生成器网络GI和对应的域的判别器网络DR及域的判别器网络DI分别联合起来进行迭代优化，具体步骤为： 将双生成对抗网络PR和PI同时训练，损失函数L加入波前相因子的约束关系，将域及域和对应降质观测图像配对合成作为训练集输入，采用神经网络的方法进行训练，直至训练集与测试集收敛，得到训练好的双生成对抗网络模型； 步骤4，对步骤3所训练好的双生成对抗网络模型进行验证，首先采用深度神经网络进行验证，其次对生成的波前相因子进行大气湍流统计特性的验证，参照湍流相位屏仿真的相位结构函数检验法，采用符合Kolmogorov统计的相因子结构函数作为理论值，验证理论值与模型估计得到的波前相因子曲线的符合程度，若符合性较差，则对步骤1中的网络结构重新优化设计，符合程度的判断可依据人眼主观判断两条曲线的贴近程度； 至此，完成了对远距离成像中的大气湍流波前相因子的估计，使用时，将采集到的单帧观测图像分别输入到训练好的域的生成器网络GR及域的生成器网络GI，输出即为该帧图像所对应的波前相因子的实部及虚部。

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人民解放军63871部队，其通讯地址为：714200 陕西省渭南市华阴市岳庙街东段450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。