公开(公告)号：CN115267867A

公开(公告)日：2022-11-01

申请号：CN202210912819.X

申请日：2022-07-31

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  郭倩倩 ,  胡新浩 ,  王曼 ,  冯浩 ,  张万 ,  董麒麟 ,  张海涛 ,  殷毅

IPC: G01S19/47 ,  G01C21/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是关于一种基于图神经网络的网络空间定位探测方法。其通过在每个飞行器载体安装SiA200MEMS加速度传感器与GPS装置，测量固定标定点的高度，然后通过比较得到标定误差数据与GPS误差数据，再组建图神经网络对两类误差数据进行训练，然后通过训练好的网络，输入实时GPS误差数据，解算出网络实时输出数据，并分别通过放大叠加给惯性加速度信号与修正惯性速度进行积分运算后得到最终的修正惯性高度信号，从而得到每个空间飞行器的精准高度信息。其方法能够融合多飞行器之间的误差信息，而且能够利用标定信息，从而比单独测量具有更佳的效果。

公开(公告)号：CN115964666A

公开(公告)日：2023-04-14

申请号：CN202310085234.X

申请日：2023-02-06

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  张世城 ,  栗娜 ,  胡新浩 ,  王宏建 ,  李天傲 ,  董麒麟 ,  冯浩 ,  殷毅 ,  周诗洁 ,  闫震 ,  朱付保 ,  马培凯

IPC: G06F18/2431 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06F18/22

Abstract: 本发明提出了一种基于图神经网络的街道级IPv6地理定位方法，用以解决当前IPv6地理定位方法存在定位细粒度较低的技术问题。本发明的步骤为：对所获得的IP地址进行匿名处理，并将地标的经纬度信息转换为区域编号；利用图神经网络将处理后的节点信息转化为属性特征图；通过基于学习的方式将属性特征图的边的特征信息转换为边的权重；将节点的特征信息馈送到改进的GraphSAGE模型中，根据边的权重进行剪枝，通过卷积学习相邻节点的信息，并在节点表示后输出节点信息；结合区域编号将经过改进的GraphSAGE模型的节点属性更新矩阵放入层级分类模块中进行分类，输出目标地理定位。本发明在中值误差、平均误差和最大误差方面优于当前的IPv6地理定位算法。

公开(公告)号：CN116938879A

公开(公告)日：2023-10-24

申请号：CN202310705116.4

申请日：2023-06-14

Applicant: 郑州轻工业大学

Inventor： 马照瑞 ,  胡新浩 ,  栗娜 ,  张世城 ,  冯浩 ,  王宏建 ,  李天傲 ,  殷毅 ,  张书博 ,  陈帅斌 ,  张万 ,  张怡豪 ,  汪运洋 ,  张启坤 ,  马培凯

IPC: H04L61/5007 ,  H04L41/12 ,  H04L101/69 ,  H04L101/659 ,  H04L101/695

Abstract: 本发明提出了一种基于超图神经网络的细粒度IPv6定位方法，步骤为：收集目标IP的网络测量数据进行数据清洗，结合网络拓扑结构实现简单图建模和属性抽取，得到简单图的节点和边；基于IPv6网络拓扑的集群特性，在IPv6网络拓扑上利用层次聚类算法进行节点聚类，构建超图；在超图中利用顶点卷积最大化图池化超边中地标的位置信息属性，通过超边卷积学习超图中超边间的位置信息，节点卷积学习超边特征中的位置信息同时聚合节点自身和周围邻居节点的特征，获取IPv6目标节点的特征向量矩阵；通过多层感知机进行解码任务，输出目标IPv6的位置信息预测值。本发明在三个实验地区的网络实体定位中值误差距离在5.837km~8.52km。