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！

龙图腾网获悉南京信息工程大学申请的专利一种基于GBDT模型的K分布杂波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：CN115510395B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211189259.6，技术领域涉及：G06F18/214；该发明授权一种基于GBDT模型的K分布杂波参数估计方法是由施赛楠;高季娟;王杰;陈军设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种基于GBDT模型的K分布杂波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GBDT模型的K分布杂波参数估计方法，包括以下步骤：1获取海杂波序列；2提取特征；3构建特征向量；4估计形状参数；5估计尺度参数；6计算KSD值。本发明通过GBDT模型进行自主学习估计形状参数且利用依赖于形状参数的特定分位点估计尺度参数，集成了矩估计的估计精度高和分位点估计的抗异常样本的优势，从而实现了参数估计的准确性以及在复杂杂波环境下的稳健性。

本发明授权一种基于GBDT模型的K分布杂波参数估计方法在权利要求书中公布了：1.一种基于GBDT模型的K分布杂波参数估计方法，其特征在于，包括以下步骤： 1获取海杂波序列：假设雷达接收到N个海杂波序列，记为，对海杂波序列取模，获得海杂波幅度序列； 2提取特征：根据步骤1中的海杂波幅度序列，计算第l阶的样本矩；提取4个矩比值，构成矩特征；将海杂波幅度序列从小到大排序，计算第p阶的样本分位点；提取9个分位点比值，构成分位点特征； 3构建特征向量：联合步骤2中的矩特征和分位点特征，构建13维度的特征向量=，T表示转置； 4估计形状参数：设置决策树的数目M=500，每棵决策树的深度D=7，将所有决策树级联，搭建GBDT的模型；仿真产生不同形状参数下的K分布杂波序列；设置形状参数v从0.1步长遍历0.1到20的取值范围；对于给定的值，产生相应服从K分布的N=10000个序列，并按照步骤3计算特征向量，得到1个样本，记为{}；考虑到小形状参数下杂波非高斯强，当v≤1.5时，每个形状参数产生8000个样本；当v＞1.6时，每个形状参数产生150个样本；最后，将所有的样本组成训练数据集；将所述作为输入，对搭建的GBDT模型进行训练学习，迭代更新后获得GBDT的最优参数；将步骤3中的特征向量作为输入，进入具有最优参数的GBDT模型中，输出形状参数的估计值，；为获得的GBDT的最优参数； 5估计尺度参数：根据K分布的概率密度函数，计算K分布累积概率密度函数： 其中，表示海杂波幅度变量，v是形状参数，b是尺度参数，为伽马函数，为v阶第二类修正贝塞尔函数； 令带入获得一个依赖于形状参数的特定的分位点值: 将步骤4中形状参数估计值带入到中，得到特定的分位点，确定尺度参数估计值为：；为特定的估计值； 6计算KSD值：结合海杂波幅度序列和获得的参数估计值，计算Kolmogorov-Smirnov距离，即KSD，衡量参数估计的精准度。

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信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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。