-
公开(公告)号：CN117970332B
公开(公告)日：2024-06-07
申请号：CN202410395248.6
申请日：2024-04-02
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种联合光学影像的InSAR城区地表形变危险性精细识别方法，包括如下步骤：S1、获取需监测城区的基于多时相SAR影像的InSAR城区地表形变信息图；S2、获取需监测城区的光学影像，通过基于光学影像的城区地表变化检测模型进行城区地表覆盖物变化检测，得到城区地表覆盖物变化分布图，识别由于城市地表覆盖物活动引起的地表形变伪危险性区域；S3、叠加InSAR城区地表形变信息图与城区地表覆盖物变化分布图，从InSAR城区地表形变信息图中去除由于城市地表覆盖物活动引起的地表形变伪危险性区域，从而获得InSAR城区地表形变真实危险性区域分布图。该方法能够去除由于城市活动引起的地表伪危险性区域，更准确地识别城区地表形变相关的潜在真实危险。
-
公开(公告)号：CN118094167A
公开(公告)日：2024-05-28
申请号：CN202410506287.9
申请日：2024-04-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/20
Abstract: 本发明公开了基于张量链分解的电磁数据补全方法，包括：构建电磁数据的三维张量，预期张量和权重张量；根据三维反距离插值算法进行电磁数据初步填充，得到初步填充张量，并从中找到最大值所在索引位置，作为初始辐射源位置；根据已知点的接收信号强度计算衰减常数；以初始辐射源位置作为辐射源位置，根据衰减常数和传播距离，计算衰减张量；对衰减张量进行归一化处理并进行张量链分解；对预期张量进行张量链分解，并使用归一化衰减张量的张量链分解结果进行修正，得到修正的预期张量；基于修正的预期张量、三维张量和权重张量，构建张量补全的优化目标函数并进行迭代优化，直至满足预设的迭代终止条件，完成电磁数据补全。
-
公开(公告)号：CN118013869A
公开(公告)日：2024-05-10
申请号：CN202410425377.5
申请日：2024-04-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种四维电离层模型构建方法及其应用，该方法包括如下步骤：S1、获取用于深度学习训练的电离层电子密度数据，并使用电离层电子密度数据训练一个电离层数据同化扩散模型，其中，电离层数据同化扩散模型利用噪声增强的前向扩散过程将电离层电子密度数据逐渐转化为高斯噪声，随后通过逆向过程逐渐去除高斯噪声，以达到电离层电子密度数据同化的目标；S2、将待测区域的多源电离层观测数据输入训练好的电离层数据同化扩散模型中，利用电离层数据同化扩散模型的逆向过程对多源电离层观测数据进行同化处理，得到基于同化处理后的多源电离层观测数据的四维电离层模型。该方法能够构建出精度高、时空分辨率低、计算资源需求少的四维电离层模型。
-
公开(公告)号：CN117031515B
公开(公告)日：2024-01-02
申请号：CN202311286992.4
申请日：2023-10-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S19/44
Abstract: 一种适用于精密单点定位的最优载波相位模糊度固定方法，包括如下步骤：S1、使用消电离层组合精密单点定位方法计算非差消电离层组合模糊度实数解；S2、对于不同的导航系统，根据高度角选择当前历元的基准星，计算星间单差消电离层组合模糊度；S3、固定星间单差宽巷整周模糊度；S4、固定星间单差窄巷整周模糊度；其中，采用基于一般准则的窄巷模糊度搜索算法，考虑了由于模糊度变化带来的各种参数残差的变化，在最小二乘原理及模糊度为整数的条件下提供唯一的最优解；S5、固定单差消电离层组合模糊度，获得模糊度固定的定位解。本发明有助于提升精密单点定位的定位精度、收敛速度及稳定性，还可省去比率检验的过程。
-
公开(公告)号：CN116935082A
公开(公告)日：2023-10-24
申请号：CN202311162867.2
申请日：2023-09-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/762 , G06V20/13 , G06V10/764 , G06V20/10 , G06V10/80
Abstract: 一种基于时间序列融合影像提取洪水水体的IK‑means方法，包括如下步骤：S1、获取源自遥感卫星的雷达时间序列影像和光学时间序列影像；S2、使用所述雷达时间序列影像中的VH波段和所述光学时间序列影像中的植被指数NDVI，合成得到多波段影像；S3、将特征指数、包含SRTM Plus地形特征和所述合成多波段影像的组作为k‑means分类器的输入影像，计算由所述k‑means分类器分类的每个类别的NDVI特征和VH特征，利用洪水期间水体的NDVI特征和VH特征建立自动识别聚类类别中是洪水类别的模型，从而来识别洪水水体。
-
Patent Agency Ranking
公开(公告)号：CN116340733B
公开(公告)日：2023-09-01
申请号：CN202310617443.4
申请日：2023-05-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明公开了基于0级遥感信号的在轨云检测方法及遥感数据处理方法，在轨云检测方法包括以下步骤：S1、构建高维特征低维映射数学模型，用于将高维影像数据降维映射到1维数据；S2、准备1级遥感影像数据集，利用所述高维特征低维映射数学模型将数据集中的1级遥感影像降维映射到一维，建立0级遥感信号数据集；S3、利用所述0级遥感信号数据集训练轻量云检测模型；S4、将步骤S3训练好的所述轻量云检测模型上传至卫星端，并将卫星在轨获取的0级遥感信号送入所述轻量云检测模型，进行在轨云检测。遥感数据处理方法，包括：按照前述步骤进行在轨云检测，检测结果剔除无效数据后再进行成像。
-
公开(公告)号：CN116340733A
公开(公告)日：2023-06-27
申请号：CN202310617443.4
申请日：2023-05-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明公开了基于0级遥感信号的在轨云检测方法及遥感数据处理方法，在轨云检测方法包括以下步骤：S1、构建高维特征低维映射数学模型，用于将高维影像数据降维映射到1维数据；S2、准备1级遥感影像数据集，利用所述高维特征低维映射数学模型将数据集中的1级遥感影像降维映射到一维，建立0级遥感信号数据集；S3、利用所述0级遥感信号数据集训练轻量云检测模型；S4、将步骤S3训练好的所述轻量云检测模型上传至卫星端，并将卫星在轨获取的0级遥感信号送入所述轻量云检测模型，进行在轨云检测。遥感数据处理方法，包括：按照前述步骤进行在轨云检测，检测结果剔除无效数据后再进行成像。
-
公开(公告)号：CN118865160A
公开(公告)日：2024-10-29
申请号：CN202411296741.9
申请日：2024-09-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 一种基于盐度的多源遥感绿潮生长速率测量方法，包括：S1、获取目标海域的多源遥感数据，包括营养盐浓度、海表温度、光照强度和海域盐度；S2、对海上目标区域的多源遥感数据进行预处理，将多源遥感数据重采样至预设分辨率的格网中；S3、使用预处理后的多源遥感数据，根据绿潮生长速率计算模型，计算海上目标区域的绿潮生长速率；其中，绿潮生长速率计算模型融合了海表温度、光照强度、营养盐浓度自遮光限制以及海域盐度各自对绿潮生长速率产生影响的控制函数。本发明完善实际海域盐度变化较大情况下的大空间尺度内绿潮生长速率的计算，提高基于多源遥感数据计算绿潮生长速率的精度，为实际绿潮灾害的监测与防治提供有效解决手段及技术支撑。
-
公开(公告)号：CN118139041B
公开(公告)日：2024-07-05
申请号：CN202410543385.X
申请日：2024-05-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04W12/03 , H04W12/041 , H04W12/0433 , H04B7/185 , H04N1/44 , H04N1/32 , G06V20/13 , H04W84/06
Abstract: 一种基于卫星边缘计算的安全在轨差异识别方法，在初始化阶段，可信第三方TA配置基本安全参数，初始化布谷鸟过滤器，并为两颗卫星分别选择对称的可逆矩阵作为密钥，同时生成公钥，并在卫星与地面站之间共享对称会话密钥。在粗粒度比较阶段，两颗卫星将收集的遥感图像划分为子图像，并通过布谷鸟过滤器识别可能存在差异的子图像，然后使用MSIP协议计算子图像的结构化项向量的内积，以比较差异而保护数据隐私。在细粒度比较和识别阶段，第二卫星利用DCTree结构进一步精确识别差异。在结果处理阶段，第二卫星将根据比较结果决定是否将加密的子图像内容发送至地面站。该方法确保了卫星间数据交换的安全性和保密性，同时减少了卫星下行传输的数据量。
-
公开(公告)号：CN117727063B
公开(公告)日：2024-04-16
申请号：CN202410171582.3
申请日：2024-02-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V30/42 , G06V10/40 , G06V10/82 , G06N3/042 , G06V10/764
Abstract: 一种基于图注意力网络的星图识别方法，包括：将待识别星图中的每个星点视为一个图节点，提取星图的拓扑图数据，拓扑图数据包括星图中所有星点的特征构成的特征矩阵，以及用于表征星图中的星点之间的连接关系及权重的邻接矩阵；将拓扑图数据输入经训练的图注意力网络，通过图注意力网络识别星图中的主星；图注意力网络包含基于掩膜图注意力机制的图注意力层，特征矩阵和邻接矩阵输入图注意力层后，使用通过掩膜图注意力机制计算得到的自注意力指标矩阵，对邻接矩阵进行掩膜处理得到注意力矩阵，以注意力矩阵代替邻接矩阵，实现对每个星点特征之间的消息聚合。该星图识别方法具有很好的鲁棒性和识别准确率，视场内星点较少时也能够稳定匹配。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.053 seconds)
