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！

龙图腾网获悉西北工业大学宁波研究院申请的专利基于神经网络学习的大气层外偏振光场延拓模型计算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：CN120217887B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510373468.3，技术领域涉及：G06F30/27；该发明授权基于神经网络学习的大气层外偏振光场延拓模型计算方法是由冯振欣;余云翔;黄河;程承;周军;赵友雪设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本基于神经网络学习的大气层外偏振光场延拓模型计算方法在说明书摘要公布了：本发明提供了基于神经网络学习的大气层外偏振光场延拓模型计算方法，包括：步骤S1，采集空间偏正光场数据并获取待计算数据；步骤S2，搭建神经网络模型并调整权重和偏置；步骤S3，将空间偏正光场数据作为训练样本对神经网络模型进行训练，待训练完成后，将待计算数据输入至训练好的神经网络模型中，通过前向传播计算得到预测偏振方位角和预测偏振度；步骤S4，获取待观测点的位置矢量和第一太阳矢量计算得到实测偏振方位角和实测偏振度，并计算得到偏振方位角误差百分比和偏振度误差百分比，以供校验神经网络模型的精度。有益效果是本发明能够提高大气层外偏振光场的高精度测量和分析能力，为卫星导航系统提供精准可靠的数据支持。

本发明授权基于神经网络学习的大气层外偏振光场延拓模型计算方法在权利要求书中公布了：1.基于神经网络学习的大气层外偏振光场延拓模型计算方法，其特征在于，包括以下步骤： 步骤S1，数据获取：采集空间偏正光场数据并获取待计算数据； 步骤S2，模型构建：搭建输入层、隐藏层、输出层得到神经网络模型，并设置对应的激活函数和初始化方法以调整所述神经网络模型的权重和偏置； 步骤S3，模型训练：将所述空间偏正光场数据作为训练样本对所述神经网络模型进行训练，待训练完成后，将所述待计算数据输入至训练好的所述神经网络模型中，通过前向传播计算得到预测偏振方位角和预测偏振度； 步骤S4，模型校验：获取待观测点的位置矢量和第一太阳矢量，根据所述位置矢量和所述第一太阳矢量得到所述待观测点的实测偏振方位角和实测偏振度，并根据所述预测偏振方位角和所述实测偏振方位角得到偏振方位角误差百分比，以及根据所述预测偏振度和所述实测偏振度得到偏振度误差百分比，以供校验所述神经网络模型的精度； 所述步骤S4包括： 步骤S41，获取所述待观测点的所述位置矢量、在本体坐标系中的所述第一太阳矢量和当前时刻日期，并根据所述当前时刻日期和预先设定的历史时刻日期得到当天的儒略日； 步骤S42，基于所述儒略日，计算从地心惯性坐标系转换至卫星轨道坐标系的第一坐标转换矩阵，并计算从所述卫星轨道坐标系转换至所述本体坐标系的第二坐标转换矩阵； 步骤S43，对所述位置矢量和所述第一太阳矢量进行叉乘计算得到所述待观测点和太阳相对于观察点的夹角，并根据所述夹角得到所述实测偏振度； 步骤S44，选择所述卫星轨道坐标系作为观测坐标系，根据所述第一坐标转换矩阵得到在所述卫星轨道坐标系中的第二太阳矢量，将所述待观测点的所述位置矢量转换至球坐标系中计算得到所述实测偏振方位角； 步骤S45，根据所述预测偏振方位角和所述实测偏振方位角得到所述偏振方位角误差百分比，以及根据所述预测偏振度和所述实测偏振度得到所述偏振度误差百分比，以供校验所述神经网络模型的精度。

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西北工业大学宁波研究院，其通讯地址为：315000 浙江省宁波市高新区清逸路218弄；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。