申请/专利权人：青岛哈尔滨工程大学创新发展中心

申请日：2024-01-25

公开（公告）日：2024-03-05

公开（公告）号：CN117647808A

主分类号：G01S13/89

分类号：G01S13/89;G01S13/95

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了基于深度学习的非相参雷达相位解析波浪时历反演方法，涉及海洋遥感探测领域，包括步骤：预处理雷达海杂波图像，通过傅里叶变换将区域内雷达海杂波图像的灰度数据变为雷达图像频谱数据；构建深度学习频谱映射模型，将雷达图像频谱数据输入到构建的深度学习频谱映射模型，深度学习频谱映射模型包括三维卷积模块、位置编码、注意力模块、残差模块和三维转置卷积模块；最后数据逆处理，将模型计算的频谱数据转换为实际相位解析海浪时历数据。本发明能够减少频谱数据缺失的现象，提高反演数据的准确性。

主权项：1.基于深度学习的非相参雷达相位解析波浪时历反演方法，其特征在于通过深度学习的智能方法解决实际物理问题实现高精度的相位解析波浪反演，包括步骤：预处理雷达海杂波图像，选取分析区域，并通过傅里叶变换将区域内雷达海杂波图像的灰度数据变为雷达图像频谱数据；对得到的雷达频谱数据进行带通滤波和高通滤波操作，滤除雷达频谱数据中的多余噪声，保留主要海浪信息；构建深度学习频谱映射模型，将雷达图像频谱数据输入到构建的深度学习频谱映射模型，所述深度学习频谱映射模型包括三维卷积模块、位置编码、注意力模块、残差模块和三维转置卷积模块；数据逆处理，通过逆傅里叶变换将模型计算的频谱数据转换为实际相位解析海浪时历数据。

全文数据：

权利要求：

百度查询： 青岛哈尔滨工程大学创新发展中心 基于深度学习的非相参雷达相位解析波浪时历反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD