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一种基于全局动态卷积神经网络DOA估计方法及系统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：CN121457531B 。

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：202610008726.2，技术领域涉及：G06N3/0464；该发明授权一种基于全局动态卷积神经网络DOA估计方法及系统是由竺炜杰;董续东;赵君;张尧;韦智继;陈家鑫;殷海兵;颜成钢设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种基于全局动态卷积神经网络DOA估计方法及系统在说明书摘要公布了：本发明公开了一种基于全局动态卷积神经网络DOA估计方法及系统，该方法首先获取均匀线性阵列接收的时域信号，进行预处理。其次构建DOA估计模型，利用全局动态卷积神经网络从预处理后的信号中提取深层特征；基于提取的深层特征，利用分类头，通过分类方式估计信号源的到达方向DOA。最后先以二信源理想协方差矩阵数据集进行DOA估计模型预训练得到初始权重，再以四信源采样协方差矩阵数据集对初始权重进行微调，并验证。本发明提高了DOA估计的精度，可以很好的在较恶劣的环境下不失准确度地估计较大的信源数。

本发明授权一种基于全局动态卷积神经网络DOA估计方法及系统在权利要求书中公布了：1.一种基于全局动态卷积神经网络DOA估计方法，其特征在于，包括如下步骤： S1：获取均匀线性阵列接收的时域信号，进行预处理； S2：构建DOA估计模型，利用全局动态卷积神经网络从预处理后的时域信号中提取深层特征；基于提取的深层特征，利用分类头，通过分类方式估计信号源的到达方向DOA； 所述全局动态卷积神经网络具体实现过程如下： 构建嵌入层模块，嵌入层模块采用三级卷积结构，逐层提取空间特征，实现从阵列协方差矩阵到深度空间特征的端到端映射，得到特征张量； 构建全局动态卷积模块，针对特征张量进行特征计算，得到全局动态卷积模块的输出； 所述全局动态卷积模块具体实现如下： 输入特征预处理：对输入特征张量依次进行深度可分离卷积、层归一化和门控变换处理；所述门控变换通过卷积层实现，学习特征重要性权重； 将输入特征预处理后的数据复制三份，第一份通过卷积层和重塑维度操作得到Query矩阵；第二份依次通过自适应池化层、卷积层和重塑维度操作得到Keys矩阵；第三份通过重塑操作得到Values矩阵，随后对Query矩阵和Keys矩阵利用爱因斯坦求和约定得到亲和度矩阵； 矩阵通过卷积层将通道数扩展；通过分割操作，得到两个独立权重张量和；根据输入特征分别对两个独立权重张量和生成两个可学习的相对位置偏置张量和，再将这两个可学习的相对位置偏置张量通过索引生成函数变成上述两个独立权重张量的相对偏置张量和；将相对偏置张量和对应逐元素地与两个独立权重张量和相加，生成融合位置信息的位置感知张量和； 对位置感知张量和做线性变换后通过Softmax层得到全局动态向量，再对其进行重塑维度操作得到最终的全局动态卷积核和，然后再与Values矩阵进行卷积运算，实现全局动态卷积操作；最后将Values矩阵与和卷积的输出沿通道维度进行拼接得到全局动态卷积模块的输出； S3：先以二信源理想协方差矩阵数据集进行DOA估计模型预训练得到初始权重，再以四信源采样协方差矩阵数据集对初始权重进行微调，并验证。

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。