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！

龙图腾网获悉中国人民解放军军事科学院国防科技创新研究院申请的专利基于正交声强流的稀疏贝叶斯学习矢量声学测向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：CN117216678B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311135265.8，技术领域涉及：G06F18/2415；该发明授权基于正交声强流的稀疏贝叶斯学习矢量声学测向方法是由罗再磊;李雄辉;沈同圣;赵德鑫设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本基于正交声强流的稀疏贝叶斯学习矢量声学测向方法在说明书摘要公布了：本发明公开了基于正交声强流的稀疏贝叶斯学习矢量声学测向方法，属于阵列信号处理技术领域，首先构建正交声强流数据模型，将声压与振速通道进行互谱得到声强流，声压自谱得到声能流密度，再次借助稀疏贝叶斯学习模型，建立联合概率密度分布函数，最后根据最大化对数贝叶斯证据估计信号功率，对信号功率估计值进行谱峰搜索，实现目标的方位估计。本方法使用声强与声强流作为输入，具有抑制各向同性噪声效果并降低了计算量，同时首次迭代更新超参数时引入解卷积算法避免两目标过近致使信源个数与来波方位判断错误，且本发明方法具有较好的方位估计精度和方位分辨能力，在信噪比较低的情况下能够保持较好的性能。

本发明授权基于正交声强流的稀疏贝叶斯学习矢量声学测向方法在权利要求书中公布了：1.基于正交声强流的稀疏贝叶斯学习矢量声学测向方法，其特征在于，包括如下步骤： 步骤1，矢量水听器声压与通道振速互谱得到声强流，通过声压通道自谱获得来波方向声强； 所述步骤1，包括如下具体步骤： 利用声压与振速信号的噪声不相关，声压与振速进行互谱处理实现降噪；其中目标信号为S，所述声强流包括声强流、，为声压P与矢量水听器的X通道振速信号进行共轭相乘后取实部所得，为声压P与矢量水听器的Y通道振速信号进行共轭相乘后取实部所得，声强为声压自身共轭相乘所得； 所述声强流、，声强表示为： 其中，、分别为声能沿矢量水听器的X、Y轴方向的输送强度即为声强流、，为标量声强，表述声波品骏能流密度大小，即为声强；f为信号在频谱上的频点；指取实部，为声压通道的频域信号，、分别为矢量水听器X、Y通道信号的频域表达；上标意为取共轭；为信号的来波方向；为信号的频域表达；为介质密度，为介质中声波的传输速度； 步骤2，基于声强流与声强的信号结构建立稀疏字典矩阵并构造正交声强流信号模型； 所述步骤2，具体分为如下步骤： S2-1：在时刻t，信号S在水平方位照射矢量水听器时，声强与声强流表述为线性模型： ； 其中为观测通道，，，为信号功率，表示噪声功率，为噪声相关项，为表达入射方位的参数，为信号S频率； S2-2：将水平方位均匀划分为M份，得到表示入射方位的参数集合： ； 其中为第m个入射方向的参数，为离散后所有可能的目标入射方向，即360°方向被均匀分为M个方位，对应第m个角度；M的取值根据实际需要的方位精度设定； S2-3：考虑多个频率，则单矢量水听器所在位置的声强流模型为： 其中表示不同频率f1~fL下的声强流，表示水平范围内所有可能波达方向的参数，表示各频点信号功率，表示各频点噪声，集合为处理的频点，总共L个频点； 步骤3，根据正交声强流信号模型，构造稀疏贝叶斯学习模型，得到来波方向估计的概率描述； 步骤4，基于稀疏贝叶斯模型，交替迭代估计超参数和噪声方差；其中首次迭代使用解卷积算法分离混叠目标，获得各方向的信号估计值，同时估计信源的个数；根据收敛条件或迭代次数上限终止迭代，所得超参数即为目标方位估计结果。

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中国人民解放军军事科学院国防科技创新研究院，其通讯地址为：100083 北京市丰台区东大街53号院；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。