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！

龙图腾网获悉浙江大学申请的专利基于张量化压缩神经网络的波达方向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：CN116541690B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202310495686.5，技术领域涉及：G06F18/213；该发明授权基于张量化压缩神经网络的波达方向估计方法是由郑航;史治国;周成伟;陈积明设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本基于张量化压缩神经网络的波达方向估计方法在说明书摘要公布了：本发明公开了一种基于张量化压缩神经网络的波达方向估计方法，主要解决现有方法所存在神经网络权重参数规模庞大、计算资源损耗大、训练耗时长等问题，其实现步骤是：均匀平面阵列接收信号的张量建模；五维协方差张量推导；基于逆Tucker分解的状态空间张量生成；张量化压缩神经网络构建与输出层损失函数的反向传播；张量化压缩神经网络加速训练与波达方向估计结果输出。本发明在保留多维接收信号结构化特性的前提下，将神经网络层的状态空间生成映射为逆张量分解过程，将大规模的待训练权重参数压缩至逆张量分解因子矩阵中，有效加速了神经网络的训练过程，实现了高计算效率、低训练损耗的波达方向估计，可用于复杂环境中的信源测向。

本发明授权基于张量化压缩神经网络的波达方向估计方法在权利要求书中公布了：1.一种基于张量化压缩神经网络的波达方向估计方法，其特征在于，包含以下步骤： 1接收端使用M×N个物理天线阵元，架构一个均匀平面阵列；假设有K个来自{θ1，φ1，θ2，φ2，…，θK，φK}方向的远场窄带非相关信号源，θk和φk分别为第k个入射信号源的方位角和俯仰角，k＝1，2，…，K；将均匀平面阵列的T个快拍采样信号在第三个维度进行叠加，得到一个三维信号张量建模为： 其中，sk＝[sk，1，sk，2，…，sk，T]T为对应第k个入射信号源的多快拍采样信号波形向量，表示矢量外积，为与各信号源相互独立的噪声张量，aμk和avk分别为均匀平面阵列在x轴和y轴方向上的导引矢量，表示为： 其中，μk＝sinφkcosθk，vk＝sinφksinθk，[·]T表示转置操作； 2计算三维信号张量的自相关统计量，得到二阶协方差张量 其中，表示第k个信号源的功率，表示噪声功率，表示四维单位张量，·，·r表示两个张量沿着第r维度的张量缩并操作，E[·]表示取数学期望操作，·*表示共轭操作；提取协方差张量的实部和虚部，构建一个五维实值协方差张量： 其中，Re·和Im·分别表示对一个复数取实部和虚部的操作，表示沿着第r维度的张量叠加操作； 3对五维实值协方差张量进行逆Tucker分解，得到对应第一层神经网络的大小为H1,1×H1,2×H1,3×H1,4×H1,5的五维状态空间张量 其中，和为对应五个维度的逆Tucker因子矩阵，涵盖了第一层神经网络的待训练权重参数，f1·为对应第一层神经网络的非线性激活函数，×r表示沿着第r维度的张量-矩阵积； 4基于状态空间张量的逆Tucker分解生成下一层神经网络的状态空间张量，从而依次得到L-1个五维状态空间张量 其中，为对应第l层神经网络的逆Tucker因子矩阵，fl·为对应第l层神经网络的非线性激活函数，l＝2,3，…，L，由此构建出深度为L的张量化压缩神经网络；利用一个六维权重张量对第L层神经网络的状态空间张量进行加权，得到输出层的波达方向估计值： 其中，为第k个信号源方位角和俯仰角的估计值，表示两个张量沿着第r1，r2，…，rY维度的张量内积操作；在网络训练过程，将一个输入实值协方差张量视作一个训练样本，针对第ζ个训练样本计算输出层波达方向估计值与真实波达方向之间的损失函数： 其中，||·||1和||·||2分别表示1-范数与2-范数，η表示一个转换阈值；推导输出层损失函数Ψ关于权重张量的梯度并用其更新对应第ζ个训练样本的权重张量 其中，当ζ＝1时，为随机初始化的权重张量，α表示学习率；类似地，推导输出层损失函数Ψ关于第L层神经网络状态空间张量的梯度并更新对应第ζ个训练样本的逆Tucker因子矩阵 其中为随机初始化的逆Tucker因子矩阵；由此，从输出层到输入层反向传递输出层损失函数Ψ关于状态空间张量的梯度，并依次更新对应的逆TuCker因子矩阵； 5利用G个训练样本迭代更新张量化压缩神经网络中的逆Tucker因子矩阵{P1，i，Pl，i，i＝1,2，…，5}，l＝2，3，…，L；将所有训练样本输入张量化压缩神经网络并完成逆Tucker因子矩阵更新为一轮网络权重参数更新过程，重复设定轮数的网络权重参数更新，最终完成张量化压缩神经网络的加速训练；基于训练完备的张量化压缩神经网络，通过低复杂度的前向传播计算输出实际应用场景中的波达方向估计结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。