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！

龙图腾网获悉杭州电子科技大学申请的专利基于块稀疏BCS深度展开的复值解卷积DOA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：CN121114915B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511667330.0，技术领域涉及：G01S3/14；该发明授权基于块稀疏BCS深度展开的复值解卷积DOA估计方法是由潘玉剑;王卉真设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本基于块稀疏BCS深度展开的复值解卷积DOA估计方法在说明书摘要公布了：基于块稀疏BCS深度展开的复值解卷积DOA估计方法，包括：根据稀疏信号和超完备导向矢量，通过压缩感知技术，构建单快拍下阵列接收信号模型；利用传统波束形成算法，根据单快拍下阵列接收信号模型构建复值波束模型；利用贝叶斯压缩感知技术，根据复值波束模型的复数输出构建耦合分层高斯先验贝叶斯压缩感知模型；构建块稀疏贝叶斯压缩感知复值解卷积模型，实现精确恢复块稀疏信号；构建训练数据集，包括作为标签的真实信源分布函数和与标签对应的作为样本的复值波束形成输出；基于块稀疏贝叶斯压缩感知的深度展开网络训练损失函数；将训练数据集输入深度展开网络中进行模型训练；将测试数据输入到训练好的深度展开网络中，生成波达方向估计。

本发明授权基于块稀疏BCS深度展开的复值解卷积DOA估计方法在权利要求书中公布了：1.基于块稀疏BCS深度展开的复值解卷积DOA估计方法，其特征在于，包括： 步骤1、根据稀疏信号和超完备导向矢量，通过压缩感知技术，构建单快拍下阵列接收信号模型； 利用传统波束形成算法，根据单快拍下阵列接收信号模型构建复值波束模型； 利用贝叶斯压缩感知技术，根据所述复值波束模型的复数输出构建耦合分层高斯先验贝叶斯压缩感知模型，包括： 将逆压缩感知问题加入贝叶斯压缩感知框架中进行求解，通过空域耦合强度参数改进稀疏信号系数； 耦合分层高斯先验第一层分布为： 其中，表示复高斯分布，表示所述空域耦合强度参数，用于表述系数与相邻系数集合中系数之间的相关性；，为相关超参数；表示元素总数；若，则系数的稀疏性由超参数和相关超参数控制，相关系数的稀疏模式通过它们共享的超参数相互耦合； 耦合分层高斯先验第二层分布假设每个信号精度施加Gamma先验分布： ； 其中表示Gamma分布，，，是预定义的模型参数，分别表示Gamma分布的形状参数和尺度参数，属于超先验参数； 构建块稀疏贝叶斯压缩感知复值解卷积模型，实现精确恢复块稀疏信号； 步骤2、构建训练数据集，包括作为标签的真实信源分布函数和与标签对应的作为样本的复值波束形成输出； 步骤3、基于块稀疏贝叶斯压缩感知的深度展开网络训练损失函数； 步骤4、将所述训练数据集输入所述深度展开网络中进行模型训练； 步骤5、将测试数据输入到训练好的所述深度展开网络中，生成波达方向估计。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。