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！

龙图腾网恭喜成都中科比智科技有限公司申请的专利一种基于迁移学习的数据驱动单星授时估计误差修正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：CN119397254B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411977258.7，技术领域涉及：G06F18/213；该发明授权一种基于迁移学习的数据驱动单星授时估计误差修正方法是由唐书海;涂强;余源堃;汤辉设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于迁移学习的数据驱动单星授时估计误差修正方法在说明书摘要公布了：一种基于迁移学习的数据驱动单星授时估计误差修正方法，涉及卫星通信授时技术领域，包括根据数据驱动范式，构建迁移学习网络及迁移感知网络；采用地面基站接收转发式单星信号，获得码伪距状态观测向量和载波伪距状态观测向量，生成载波整周模糊状态向量；根据载波整周模糊状态向量，利用迁移感知网络的决策，控制迁移学习网络输出授时偏差估计值；能够提升授时偏差估计精度，同时降低建模的复杂度。

本发明授权一种基于迁移学习的数据驱动单星授时估计误差修正方法在权利要求书中公布了：1.一种基于迁移学习的数据驱动单星授时估计误差修正方法，其特征在于：包括：S1.根据数据驱动范式，构建迁移学习网络及迁移感知网络；所述迁移学习网络及迁移感知网络，包括初始层、隐藏层1、隐藏层2、语义层以及输出层；所述迁移学习网络及迁移感知网络的构建步骤，具体为：S11.设计初始层提取公共特征，表示为： ；所述为抽象化的域，包含目标域源域的特征；为载波整周模糊状态向量；是抽象化的源域特征；S12.设计隐藏层1提取中的领域局部特征，表示为： ；所述为隐藏层1的抽象化函数；是隐藏层1的网络权重参数；S13.设计隐藏层2提取中的领域纹理特征，表示为： ；所述为隐藏层2的抽象化函数；是隐藏层2的网络权重参数；S14.设计语义层提取中的领域隐含知识，表示为： ；所述为语义层的抽象化函数；是语义层的网络权重参数；S15.设计迁移感知网络作为输出层，决策输出，表示为： ；所述是输出层的抽象化函数；为用于输出层的迁移感知网络权重参数；S2.采用地面基站接收转发式单星信号，获得码伪距状态观测向量和载波伪距状态观测向量，生成载波整周模糊状态向量；S21.获取地面基站测量信号从地面站经过卫星到达接收机的码伪距状态观测量： ；所述为地面基站观测到接收信号的时刻；由电文解算得到；为信息比特bit周期；是已接收当前观测时刻的bit个数；为码片周期；是已接收当前观测时刻的码片个数；是码相位；是数字频率合成常数；所述为常量光速；S22.获取地面基站测量信号从地面站经过卫星到达接收机的载波伪距状态观测量： ；所述为地面基站测量信号从地面站经过卫星到达接收机的相位差；为射频载波频率；S23.根据码伪距状态观测量，构造码伪距状态观测向量，根据载波伪距状态观测量，构造载波伪距状态观测向量，即： ；其中，所述为观测向量长度；S24.根据所述和，计算载波整周模糊状态向量；所述载波整周模糊状态向量，通过以下计算式得到，即： ； ；S3.根据载波整周模糊状态向量，利用迁移感知网络的决策，控制迁移学习网络输出授时偏差估计值；所述授时偏差估计值通过以下过程计算得到:S31.根据载波整周模糊状态向量，得到迁移学习网络决策输出；S32.通过卫星星历迭代解算算法，生成当前时段的卫星位置状态观测量；所述S32卫星位置状态观测量的计算方式如下： ； ；所述卫星星历由导航电文解帧得到；为切比雪夫多项式拟合系数；为卫星星历更新周期；为观测间隔时间；为卫星星历更新时刻；为迭代拟合参数，为规划时间的i阶拟合值；S33.根据卫星位置状态观测量，得到星地距离观测量；所述星地距离观测量的计算公式，具体为： ；所述为地面接收机大地直角坐标位置，通过现场高精度仪器仪表测量得到；S34.根据星地距离观测量，载波伪距状态观测向量和迁移学习网络决策输出，计算授时偏差估计；所述授时偏差估计的计算公式，具体为： 。

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成都中科比智科技有限公司，其通讯地址为：610097 四川省成都市高新西区天虹路5号6栋1层1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”。