買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉東北大學申請的專利一種時序InSAR湍流層延遲校正的輕量級深度學習方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120334915B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510832551.2，技術領域涉及：G01S13/90；該發明授權一種時序InSAR湍流層延遲校正的輕量級深度學習方法及裝置是由賀黎明;蔡久揚;毛亞純;包妮沙;劉志祥;秦增輝;張駿飛設計研發完成，并于2025-06-20向國家知識產權局提交的專利申請。

本一種時序InSAR湍流層延遲校正的輕量級深度學習方法及裝置在說明書摘要公布了：本申請關于一種時序InSAR湍流層延遲校正的輕量級深度學習方法及裝置，涉及圖像數據處理技術領域。該方法包括：獲取目標區域的InSAR數據；基于地球物理建模技術，構建不同類型的地表形變信號；基于InSAR數據和地統計學模型，模擬各向異性的大氣湍流噪聲；將大氣湍流噪聲特征和地表形變信號疊加融合，構建仿真時序InSAR訓練數據集；然后，設計了一種改進的深度卷積神經網絡自編碼器結構，訓練采用L1損失函數，通過訓練數據對預設模型進行訓練，能夠有效區分和消除InSAR干涉圖中的湍流層大氣噪聲，同時保留時間序列中持續存在的地表沉降信號。

本發明授權一種時序InSAR湍流層延遲校正的輕量級深度學習方法及裝置在權利要求書中公布了：1.一種時序InSAR湍流層延遲校正的輕量級深度學習方法，其特征在于，所述方法包括： 獲取目標區域的InSAR數據；所述InSAR數據包括原始SAR影像、干涉圖和相干性圖； 基于地球物理建模技術，構建所述InSAR數據中不同類型的地表形變信號，得到仿真InSAR觀測地面沉降數據，所述仿真InSAR觀測地面沉降數據包括時間序列的地表形變信號； 基于地統計學模型，構建所述InSAR數據中各向異性的大氣湍流噪聲特征； 將所述大氣湍流噪聲特征和所述地表形變信號疊加融合，構建仿真時序InSAR訓練數據集； 以訓練過程中預設模型輸出的輸出數據與所述仿真InSAR觀測地面沉降數據之間的平均絕對值誤差為損失函數，通過所述仿真InSAR訓練數據集對所述預設模型進行訓練，得到目標模型，所述目標模型用于對湍流層噪聲特征進行去除； 所述基于地球物理建模技術，構建所述InSAR數據在不同類型的地表形變信號，得到仿真InSAR觀測地面沉降數據，包括： 采用彈性半空間球形點源模型和有限斷層位移模型，模擬所述InSAR數據的地表形變過程；并按照預設時序，采集地表形變過程中各個所述預設時序內地表形變產生的地表形變數據； 按照時序先后順序，對各個所述預設時序內地表形變產生的地表形變數據進行組合，得到所述仿真InSAR觀測地面沉降數據； 所述地統計學模型包括各向異性湍流層大氣延遲模型，所述各向異性湍流層大氣延遲模型包括用如下公式表示的半變異函數；所述半變異函數包括第一類貝塞爾函數和第二類修正貝塞爾函數； 其中，代表距離或空間滯后，即在半變異函數中，衡量InSAR數據中兩個采樣點在空間或時間上的分離程度表示方差上限，即在所述兩個采樣點的距離超過預設范圍后，半變異函數趨于的穩定值，也可視作場的最大方差；表示平滑度，值越大，半變異函數越平滑；表示相關長度或相關距離，控制了隨機場在空間上相互關聯的范圍；當超過時，場之間的相關性顯著降低；第二類修正貝塞爾函數，不同的值會改變半變異函數形狀，以表征空間平滑度和局部變異性；為伽馬函數；為第一類貝塞爾函數，用于描述可能存在周期結構的隨機場，函數值越大，說明隨機場在較大范圍內存在周期或波動性； 所述基于地統計學模型，構建所述InSAR數據中各向異性的大氣湍流噪聲特征，包括： 采用不同的預設衰減參數組，依次分別對平滑度、第一類貝塞爾函數的第一系數和第二類修正貝塞爾函數的第二系數進行賦值，以分別對應得到賦值后的所述半變異函數表征的不同方向上的所述大氣湍流噪聲特征； 其中，所述預設衰減參數組包括預設平滑度、第一預設系數和第二預設系數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東北大學，其通訊地址為：110819 遼寧省沈陽市和平區文化路3號巷11號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。