专利交易市场

本发明公开了一种用于互联网信息传输的优化方法，包括：在连接建立阶段，通过发送探测数据包，对网络延迟、带宽和丢包率进行初步检测，并根据初步检测结果设定初始传输速率；实时监测传输过程中数据包的往返时间、丢包率参数，动态调整所述初始传输速率；根据所述往返时间和丢包率的变化趋势，判断网络是否处于拥塞状态：若所述往返时间持续上升且所述丢包率增加，则判为拥塞状态，立即执行速率减少策略；反之，则执行速率增加策略。本发明方法不仅能够快速响应网络状态变化，还能有效避免网络拥塞，提高传输的整体稳定性和效率。

本发明公开了一种用于卫星遥感应用系统的信号抗干扰方法，包括：使用卫星天线接收来自遥感卫星的电磁信号，进行预处理；对预处理后的信号进行干扰检测，当部分尺度的能量异常高时，则判定数字信号中存在干扰；将干扰检测中提取出的特征组合成特征向量，输入基于卷积神经网络构建的分类模型中进行干扰分类，输出各干扰类型的概率，选择概率最大的类型作为判定结果；根据输出的判定结果，采用对应的自适应滤波算法，对数字信号中存在的干扰信号进行抑制，得到净化后的信号；利用母小波函数，对净化后的信号进行逆变换，重构信号；将重构后的信号以数字文件形式保存，并传输至地面站或数据处理中心，以供后续分析和应用。

本发明公开了一种用于卫星遥感应用系统的异常检测方法，包括：利用多光谱传感器实时采集光谱遥感数据并对其进行数据预处理；基于卷积神经网络建立处理模型，对预处理后的光谱遥感数据进行特征提取、融合，生成光谱遥感特征表示；基于深度学习算法建立光谱异常检测模型并对其进行学习训练，训练结束后，将检测模型部署在卫星遥感系统中；将光谱遥感特征表示作为检测模型的输入，检测模型对其进行异常检测，并输出检测结果。本发明通过结合多光谱数据采集、卷积神经网络特征提取和深度学习异常检测的处理过程，有效解决了现有技术在异常检测中的诸多不足，实现了对卫星遥感应用系统中异常检测精度、效率和实时性的全面提升。