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！

龙图腾网获悉长春工业大学申请的专利基于轻量神经网络的新型星图识别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：CN116451750B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202310238588.3，技术领域涉及：G06N3/048；该发明授权基于轻量神经网络的新型星图识别方法是由吴量;张凯旋;曹德坤;郝堋宇设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本基于轻量神经网络的新型星图识别方法在说明书摘要公布了：本发明涉及一种基于轻量神经网络的新型星图识别方法，属于星图识别技术领域。首先构建导航星表，提取导航星表内的所有导航星的伴星。针对每个导航星周围的伴星分布，都添加不同等级的噪声，并提取导航星的等频分箱径向特征，构建训练集。搭建轻量神经网络，使用训练集训练，得到特征分类模型。在实际识别一幅星图的过程中，首先从识别区域选取导航星，构建导航星的等频分箱径向特征。然后使用三角形循环匹配的方法来验证网络的分类结果，循环提取三颗星进行识别、验证，直到有三颗星的图像角距和星表角距都通过了匹配，即可认为成功识别了这幅星图。

本发明授权基于轻量神经网络的新型星图识别方法在权利要求书中公布了：1.一种基于轻量神经网络的新型星图识别方法，其特征在于：构建导航星表，提取导航星表内的所有导航星的邻星；针对每个导航星周围的伴星分布，都添加不同等级的噪声，并提取导航星的等频分箱径向特征，构建训练集；搭建轻量神经网络，使用训练集训练，得到特征分类模型；在实际识别一幅星图的过程中，首先从识别区域选取导航星，构建导航星的等频分箱径向特征；然后使用三角形循环匹配的方法来验证网络的分类结果，循环提取三颗星进行识别、验证，直到有三颗星的图像角距和星表角距都通过了匹配，即可认为成功识别了这幅星图；包括如下步骤： 步骤一、根据星敏感器的极限星等探测能力M，从原始星表中截取星等提取导航星表，截取的星等的值需要略大于星敏感器的极限星等探测能力； 步骤二、提取导航星表中的导航星的等频分箱径向特征EFB-RF，首先确定特征生成域FGD的大小，FGD是以导航星为圆心，半径为rFGD的一个圆形区域，该圆形区域内的伴星参与导航星的EFB-RF的生成；为了使识别一幅星图时能够使足够多的星生成完整的EFB-RF，同时保证FGD内有足够多的邻星来生成独特的特征，将rFGD设置为rFOV为星敏感器视场的最大内接圆的半径； 等频分箱后的FGD被分成k个面积相等的环带间隔；当FGD从S0到Sk-1被分成k个区间后，区间的面积将满足公式1.1； 其中AreaSi为第i个区间的面积，AreaFGD为整个FGD的面积；由式1.1可得第i个区间的外侧圆半径对于一颗与导航星角距为dGN的伴星来说，角距dGN与伴星所在区间号j有如下关系： 由式1.2可得 其中AreadGN是以导航星为圆心，dGN为半径的圆的面积；计算导航星的FGD内的全部伴星，计算角距，得到每个伴星的所在区间；统计每个区间内的伴星数量，得到k个整数值，构成一维向量； 步骤三、提取导航星表内的所有星点的FGD内的伴星；提取伴星的等频分箱径向特征，加入各种等级的噪声，包括伪星、位置噪声，构成训练集； 步骤四、构建用于特征分类的轻量神经网络，使用制备好的训练集训练网络，得到特征分类模型； 步骤五、神经网络在训练过程中会学习如何从不同噪声级别的样本中正确识别EFB-RF，输出正确的分类结果；用于训练的损失函数为交叉熵损失函数，利用随机梯度下降对网络模型中的参数进行优化，使输入的交叉熵损失最小化； 步骤六、使用三角形循环验证对神经网络的识别结果进行验证。

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长春工业大学，其通讯地址为：130012 吉林省长春市延安大街2055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”。