Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国舰船研究设计中心刘萍获国家专利权

中国舰船研究设计中心刘萍获国家专利权

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!

龙图腾网获悉中国舰船研究设计中心申请的专利一种基于阵元互耦优化的无网格块稀疏角度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:CN114239644B

龙图腾网通过国家知识产权局官网在2025-12-16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:202111425829.2,技术领域涉及:G06F18/2136;该发明授权一种基于阵元互耦优化的无网格块稀疏角度估计方法是由刘萍;魏震宇;李艳龙;汪雅婷;刘士忠设计研发完成,并于2021-11-27向国家知识产权局提交的专利申请。

一种基于阵元互耦优化的无网格块稀疏角度估计方法在说明书摘要公布了:本发明提供一种基于阵元互耦优化的无网格块稀疏角度估计方法,其特征在于,包括下述步骤:步骤一、建立未知阵元互耦干扰下的阵列接收信号模型;步骤二、构造未知阵元互耦干扰下的块稀疏表示模型;步骤三、建立块稀疏下的基于混合核‑l1范数最小化的稀疏重构模型;步骤四、推导等价的基于半正定的凸优化重构结构;步骤五、推导无网格的拉格朗日对偶求解形式;步骤六、利用凸优化算法求解,实现高精度的角度估计。本发明利用无网格块稀疏重构的方法在无需校准互耦系数的同时,有效抑制了离散网格误差,提高了未知阵元互耦条件下角度估计精度。

本发明授权一种基于阵元互耦优化的无网格块稀疏角度估计方法在权利要求书中公布了:1.一种基于阵元互耦优化的无网格块稀疏角度估计方法,其特征在于,包括下述步骤: 步骤一、建立未知阵元互耦干扰下的阵列接收信号模型; 步骤二、构造未知阵元互耦干扰下的块稀疏表示模型; 步骤三、建立块稀疏下的基于混合核-l1范数最小化的稀疏重构模型; 步骤四、推导等价的基于半正定的凸优化重构结构; 步骤五、推导无网格的拉格朗日对偶求解形式; 步骤六、利用凸优化算法求解,实现高精度的角度估计, 所述步骤一包括:假设阵元个数为N的均匀线阵,其天线阵元位置分布为d=[d0,d1,...,dN-1]T,不是一般性的假设第一个天线为d0=0,则dn=n-1d,其中d设置为半波长,考虑该均匀线阵中前P根天线阵元间存在互耦干扰,引入下述阵元互耦干扰矩阵: 其中为第i根天线阵元上的互耦系数,ρi和分别代表互耦系数幅值和相位,如果有K个远场且互不相关的目标照射到线阵上,假设目标来波方向为θ=[θ1,θ2,...,θK]T,其中θk为第k个目标的来波方向,则在第t个快拍下的存在阵元互耦干扰的目标基带接收信号表示为: 其中为第k个目标所对应的导向矢量,λ表示载波波长,C为式75定义的互耦矩阵,A=[aθ1,...,aθK]为阵列流型矩阵,st表示接收信号幅值矩阵,nt为加性高斯白噪声,均值为0、方差为 所述步骤二包括:将目标θk对应的导向矢量简化记为: aθk=[1,βθk,…,βθkN-1]T3 其中令表示阵元互耦下的导向矢量,其存在下述的参数化结构: 式中Ψθk∈CN×2P-1为一个块对角矩阵阵,结构为: zθk,c是一个2P-1×1维的向量,其第P个元素为1,记作, zθk,c=[μ1,…,μP-1,1,α1,…,αP-1]T6 其中元素μi和α定义为: 为常数项,记为: 于是阵元互耦下的阵列流型存在下述的块矩阵表示形式: 其中: Λ为块对角矩阵,记作: 式中为2P-1×1维的向量,阵元互耦下的阵列接收信号模型简化为: X=BΛS+N13 将连续空间进行离散划分构造离散的网格角度,其中S=[s1s2…sT],T为快拍数,Θ={θ,θ,…,θ},θ为划分的离散网格角度值,L为离散网格点数,且L>>K,将该离散划分的网格集合代入到矩阵BΛ中,得到存在互耦干扰下阵列接收信号的块稀疏表示模型: 其中为块稀疏表示字典: 记为块稀疏矩阵,其中包含L个子块Ql,存在下述的稀疏形式: 于是未知阵元互耦下的阵列块稀疏表示模型为: X=BQ+N17。

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中国舰船研究设计中心,其通讯地址为:201108 上海市闵行区华宁路2931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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。