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！

龙图腾网获悉南京理工大学申请的专利基于LADMM-DNN网络的off-grid目标联合参数估计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：CN116299290B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202310325732.7，技术领域涉及：G01S7/41；该发明授权基于LADMM-DNN网络的off-grid目标联合参数估计方法是由席峰;李郁设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本基于LADMM-DNN网络的off-grid目标联合参数估计方法在说明书摘要公布了：本发明公开了一种基于LADMM‑DNN网络的off‑grid目标联合参数估计方法，该方法为：首先建立基于FMCW差频信号的多目标稀疏性模型，然后搭建LADMM‑DNN网络，利用观测信号构建LADMM‑DNN网络所需的训练集后，将训练集中的数据送入LADMM‑DNN网络中学习FMCW信号中的特征，最终将不在训练集中的数据输入训练好的网络中，得到目标的距离和角度的估计值。相较于传统参数估计方法，本发明通过深度学习训练得到更优参数从而快速稀疏重构的同时，实现了目标参数的无网格估计，提高了参数估计的精度。

本发明授权基于LADMM-DNN网络的off-grid目标联合参数估计方法在权利要求书中公布了：1.一种基于LADMM-DNN网络的off-grid目标联合参数估计方法，其特征在于，步骤如下： 步骤1、建立基于FMCW差频信号的多目标稀疏性模型； 步骤2、搭建LADMM-DNN网络，具体如下： 步骤2.1、将ADMM深度展开，根据ADMM的迭代规则搭建LADMM网络，LADMM网络由重构层Sk、阈值变换层Zk和乘子更新层Mk共同构成了一个多层的前馈网络，重构层Sk的输出定义如下： Sk:sk＝DTD+ρkI-1DTy+ρkzk-1-μk-1 其中，D为字典矩阵，·T为转置操作，zk-1和μk-1分别为第k-1层的阈值变换层和乘子更新层的输出，ρk为第k层可学习的罚参数，y为观测信号，I为单位矩阵； 阈值变换层Zk的输出定义如下： 其中，λk为可学习的正则化参数，hθ·为软阈值收缩函数，θ＝λρ，在第k次迭代时，函数定义如下所示： hθxk＝signxkmax|xk|-θ,0 乘子更新层Mk的输出定义如下： Mk:μk＝μk-1+ηkρksk-zk 其中，ηk为可学习的更新速率参数； 步骤2.2、基于DNN搭建距离偏移量估计网络和角度偏移量估计网络，共同构成基于DNN的偏移量估计网络； 步骤3、利用观测信号构建LADMM-DNN网络所需的训练集，具体如下： 步骤3.1、将观测信号y作为输入，将原始稀疏信号s作为训练标签，构建LADMM网络的训练集； 步骤3.2、构造观测信号的伪谱： 其中，DH为字典矩阵的共轭转置，y为观测信号； 步骤3.3、将观测信号y经过LADMM网络得到的稀疏恢复信号和伪谱共同组成距离偏移量估计网络的输入ξ，将距离偏差值作为训练标签，构建距离偏移量估计网络的训练集； 步骤3.4、构造带有距离系数的稀疏向量： 其中，为稀疏恢复信号， 为第m个网格点上对应距离的距离系数，diag·表示生成一个对角矩阵； 步骤3.5、在距离偏离量估计网络输入ξ的基础上加入距离系数稀疏向量作为角度偏离量估计网络的输入，将角度偏差值作为训练标签，构建角度偏移量估计网络的训练集； 步骤4、将训练集中的数据送入LADMM-DNN网络中学习，训练网络； 步骤5、用不在训练集中的数据对训练好的网络进行测试，得到待估计目标的距离和角度参数信息。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。