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国防科技大学申请的专利基于因果深度学习的航天器机动检测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：CN121388794B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511968314.5，技术领域涉及：G06F18/241；该发明授权基于因果深度学习的航天器机动检测方法是由龙洗;林裕承;杨乐平;黄涣;蔡伟伟设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本基于因果深度学习的航天器机动检测方法在说明书摘要公布了：本申请涉及一种基于因果深度学习的航天器机动检测方法。所述方法包括：计算探测残差；构建探测残差的结构因果方程后通过窗口滑动学习获得因果参数，得到因果残差序列；采用二次窗口从因果残差序列中滑动提取最小平均处理效应序列，基于最小平均处理效应序列提取得到机动因果特征参数；构建HybridTransformer网络，将机动因果特征参数输入HybridTransformer网络，得到机动检测初步结果；根据贝叶斯优化算法对HybridTransformer网络的超参数进行自适应优化，根据优化后的网络输出最终的航天器机动检测结果。采用本方法能够实现噪声抑制、精准特征提取与高效检测。

本发明授权基于因果深度学习的航天器机动检测方法在权利要求书中公布了：1.一种基于因果深度学习的航天器机动检测方法，其特征在于，所述方法包括： 获取雷达和光学的实际探测数据；基于反事实推理假设目标未发生机动，利用TLE数据和SGP4SDP4模型计算理论探测数据，将实际探测数据与理论探测数据对比，得到探测残差； 构建探测残差的结构因果方程后通过窗口滑动学习获得因果参数，得到因果残差序列； 采用二次窗口从所述因果残差序列中滑动提取最小平均处理效应序列，基于最小平均处理效应序列提取得到机动因果特征参数； 构建HybridTransformer网络，将所述机动因果特征参数输入所述HybridTransformer网络，依次经过因果卷积层、Transformer、投影LSTM层和全连接层处理，得到机动检测初步结果； 根据贝叶斯优化算法对HybridTransformer网络的超参数进行自适应优化，根据优化后的HybridTransformer网络输出最终的航天器机动检测结果； 所述机动因果特征参数包括MATE序列平均值、MATE序列方差、MATE序列偏度值、MATE序列峰度值、MATE序列最大均值、MATE序列最大方差、MATE序列均值的平均值、MATE序列方差的平均值、MATE序列最大均值与最小均值的差值和MATE序列最大方差与最小方差的差值；基于最小平均处理效应序列提取得到机动因果特征参数，包括： 所述MATE序列平均值的计算方式为： 其中，为序列长度，为第个MATE的数值； 所述MATE序列方差大小的计算方式为： ； 所述MATE序列偏度值的计算方式为 ； 所述MATE序列峰度值的计算方式为： ； 滑动过程中，MATE序列最大均值的计算方式为： 其中，为滑动窗口大小，表示对所有滑动窗口均值取最大值； 滑动过程中，MATE序列最大方差的计算方式为： 其中，为第个窗口内的MATE均值； 滑动过程中，MATE序列均值的平均值的计算方式为： ； 滑动过程中，MATE序列方差的平均值的计算方式为： ； 滑动过程中，MATE序列最大均值与最小均值的差值的计算方式为： ； 滑动过程中，MATE序列最大方差与最小方差的差值的计算方式为：。

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国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。