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！

龙图腾网获悉合肥气象量子技术创新研究中心申请的专利基于深度学习的单台测风激光雷达三维风场反演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：CN121385839B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511511897.9，技术领域涉及：G01S7/48；该发明授权基于深度学习的单台测风激光雷达三维风场反演方法是由霍彦峰;卢燕宇;陶寅;刘承晓;王状;杨关盈;陈嘉祺;葛楠设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本基于深度学习的单台测风激光雷达三维风场反演方法在说明书摘要公布了：本发明涉及激光雷达气象探测技术领域，公开了基于深度学习的单台测风激光雷达三维风场反演方法，包括以下步骤：S1、获取单台多普勒测风激光雷达对大气风场进行扫描探测得到的原始功率谱数据；S2、对所述原始功率谱数据进行预处理，提取至少包括径向风速、信噪比和频谱宽度的观测特征参数；S3、将所述观测特征参数输入至一个预先训练好的深度学习风场反演模型，其中，所述深度学习风场反演模型以所述观测特征参数为输入，输出以所述激光雷达所在位置为原点的三维空间网格点的三维风矢量。通过深度学习模型从单台激光雷达的径向观测数据中直接反演三维风矢量，无需多台设备协同，显著降低了系统成本与部署复杂度。

本发明授权基于深度学习的单台测风激光雷达三维风场反演方法在权利要求书中公布了：1.基于深度学习的单台测风激光雷达三维风场反演方法，其特征在于，包括以下步骤： S1、获取单台多普勒测风激光雷达对大气风场进行扫描探测得到的原始功率谱数据； S2、对所述原始功率谱数据进行预处理，提取至少包括径向风速、信噪比和频谱宽度的观测特征参数； S3、将所述观测特征参数输入至一个预先训练好的深度学习风场反演模型，其中，所述深度学习风场反演模型以所述观测特征参数为输入，输出以所述激光雷达所在位置为原点的三维空间网格点的三维风矢量； 所述步骤S2和步骤S3之间包括： S2a、定义目标三维空间网格：定义一个以单台测风激光雷达所在位置为原点的三维直角坐标系，在坐标系内，划定一个覆盖激光雷达有效探测范围的三维立方体空间作为目标区域，将目标区域在水平方向、垂直方向和径向距离上通过固定的间隔进行划分，形成一个由众多大小均匀的立方体网格单元构成的三维空间网格； S2b、建立基于数据质量的空间影响模型：通过预处理中分配的信号质量指数，为每个原始观测数据点进行初始权重的正向关联，对每一个三维空间网格单元，识别出空间邻域内的所有原始观测数据点，通过原始观测数据点到三维空间网格单元中心点的空间距离，对每个原始观测数据点的初始权重进行进一步的衰减； S2c、执行质量加权的特征值分配：将每一个三维空间网格单元邻域内所有原始观测数据点的径向风速值，与经过距离衰减后的权重值进行加权融合，为三维空间网格单元赋予径向风速特征值；将同一三维空间网格单元邻域内所有原始观测数据点的信噪比值，与数据点经过距离衰减修正后的权重进行加权融合，为该网格单元赋予信噪比特征值；将同一三维空间网格单元邻域内所有原始观测数据点的频谱宽度值，与数据点经过距离衰减修正后的权重进行加权融合，为该网格单元赋予频谱宽度特征值； S2d、生成网格置信度标识：统计参与每个三维空间网格单元特征值计算的所有原始观测数据点的权重总和，将权重总和定义为该三维空间网格单元的数据充盈度，根据数据充盈度的大小，为每个三维空间网格单元分配一个置信度等级，当三维空间网格单元的数据充盈度高时被标记为高置信度，当三维空间网格单元的数据充盈度低或为零时，被标记为低置信度或数据缺失； S4、根据所述深度学习风场反演模型输出的三维风矢量，重构出目标区域的三维风场。

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合肥气象量子技术创新研究中心，其通讯地址为：230000 安徽省合肥市高新区习友路2666号中科合肥技术创新工程院3号楼7层、8层；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。