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！

龙图腾网获悉首都师范大学申请的专利基于形变信号谱分解的InSAR地表形变多源垂向贡献解析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：CN121564567B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511709390.4，技术领域涉及：G06V20/13；该发明授权基于形变信号谱分解的InSAR地表形变多源垂向贡献解析方法是由宫辉力;王琴;陈蓓蓓;周超凡;郭琳;朱琳;李小娟;高明亮;孙玉洁设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本基于形变信号谱分解的InSAR地表形变多源垂向贡献解析方法在说明书摘要公布了：本发明公开了基于形变信号谱分解的InSAR地表形变多源垂向贡献解析方法，属于地表形变监测技术领域，步骤如下：先获取长时序SAR影像，经SBAS‑InSAR技术处理得到垂向形变数据及相关速率、形变量；再融合多类辅助条件，通过K‑Means聚类实现区域空间分区；随后对各分区形变信号做CEEMDAN分解与均值阈值多尺度重构，得到高、低频项及趋势项；最后经ICA盲源分离与方差贡献率分析，定向重组反演浅、中、深层地表形变信息；本发明采用K‑Means聚类算法对区域形变场进行空间分区，提升了后续信号处理的同质性和精准度；并引入CEEMDAN分解及多尺度重构方法，实现了对形变时序信号自适应、精细化的尺度分离；将盲源分离技术应用于多尺度分量重组，实现了沉降源垂向位置的物理归因。

本发明授权基于形变信号谱分解的InSAR地表形变多源垂向贡献解析方法在权利要求书中公布了：1.基于形变信号谱分解的InSAR地表形变多源垂向贡献解析方法，其特征在于，步骤如下： S1、获取覆盖研究区的长时序合成孔径雷达SAR影像数据，时间点为t0,t1,…,tn；采用SBAS-InSAR技术对所述影像数据进行处理，提取地表目标点在雷达视线方向上的时间序列形变，结合雷达入射角将其转化为垂向形变，并获取每个目标点的年均形变速率V’及各观测时刻相对于稳定参考点的累积形变量D0,D1,…,Dn； S2、以所述年均形变速率为核心特征，融合气象、水文地质辅助条件，采用K-Means聚类算法对区域内的形变点集进行空间分区，划分为K个形变特征与时空规律相似的类别； S3、针对每个空间分区，对分区内所有形变点的时序形变信号进行自适应噪声完备集合经验模态分解，将每个点的非平稳形变序列分解为个本征模态函数和一个残差项；采用基于均值阈值的多尺度重构方法，计算前个分量的振幅均值作为阈值，将振幅大于该阈值的IMFs合并为高频项，振幅小于等于该阈值的合并为低频项，残差项作为趋势项； S4、分别对所述高频项、低频项与趋势项三个分量数据集，应用独立成分分析技术进行盲源分离，得到多个独立成分；分析各独立成分的方差贡献率，将来自高频项、低频项和趋势项的特定独立成分按照预设规则进行定向重组，分别对应反演出浅层地表形变、中层地表形变与深层地表形变信息； 所述预设重组规则为： 浅层地表形变信息=高频项中方差贡献率最大的成分+低频项中方差贡献率最小的成分+趋势项中方差贡献率最小的成分； 深层地表形变信息=高频项中方差贡献率最小的成分+低频项中方差贡献率最大的成分+趋势项中方差贡献率最大的成分； 中层地表形变信息=高频项中方差贡献率排名第二的成分+低频项中方差贡献率排名第二的成分+趋势项中方差贡献率排名第二的成分。

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首都师范大学，其通讯地址为：100048 北京市海淀区西三环北路105号首都师范大学；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。