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！

龙图腾网获悉上海交通大学;中国电子科技集团公司第五十四研究所申请的专利一种在限制条件下构建三维频谱地图时采样点选取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：CN115170732B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202210766170.5，技术领域涉及：G06T17/00；该发明授权一种在限制条件下构建三维频谱地图时采样点选取方法是由魏麟懿;孙士勇;莫潇豪;归琳设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种在限制条件下构建三维频谱地图时采样点选取方法在说明书摘要公布了：本发明涉及一种在限制条件下构建三维频谱地图时采样点选取方法，包括以下步骤：S1、将三维频谱地图对应的三维空间，划分成均等的网格点并编号，构建非限制条件下感知空间；S2、利用压缩感知中RIP准则指导非限制条件下感知空间采样网格点选取，对非限制条件下感知空间信道矩阵进行主成分分析预处理，选取预采样网格点集合；S3、依据限制条件，将网格点区分为限制采样网格点集合和可选采样网格点集合，通过模拟退火算法对预采样网格点集合中的限制采样网格点进行再优化，从而获得可选采样网格点的采样网格点集合。有益效果是在采样受限约束条件较高情况下，有效提高构建三维频谱地图精确度。

本发明授权一种在限制条件下构建三维频谱地图时采样点选取方法在权利要求书中公布了：1.一种在限制条件下构建三维频谱地图时采样点选取方法，其特征在于包括以下步骤： S1、将三维频谱地图对应的三维空间，划分成均等的网格点并编号，构建非限制条件下感知空间； S2、利用压缩感知中RIP准则指导非限制条件下感知空间采样网格点选取，对非限制条件下感知空间信道矩阵进行主成分分析预处理，选取预采样网格点集合； S3、依据限制条件，将网格点区分为限制采样网格点集合和可选采样网格点集合，通过模拟退火算法对预采样网格点集合中的限制采样网格点进行再优化，从而获得可选采样网格点的采样网格点集合； 所述步骤S1：将要恢复的三维频谱地图对应三维空间，三维对应的长度分别为、、，划分成个网格点，并对每个网格点标号； 所述步骤S2具体包括以下步骤： S21、非限制条件下感知空间每个网格点频谱能量是由不同信源能量经过路径损耗后线性叠加产生的，信源数量相较于网格点总数是稀疏的，相应的信源稀疏向量，其中每个信源稀疏向量元素为：，其中为网格点处信源功率大小； S22、因路径损耗与距离相关，所以可得到网格点与网格点之间的信道为：，非限制条件下感知空间信道矩阵F为：，其中，，代表路损指数，代表网格点与网格点之间的距离，代表网格点坐标； S23、通过压缩感知来恢复三维空间中的信源强度模型，其中，F是信道矩阵、x是信源稀疏向量、Φ是抽样矩阵，采用主成分分析对非限制条件下感知空间信道矩阵F进行降维处理，并选取信道能量较大的列代表的点作为预选的预采样网格点集合，获得抽样矩阵Φ； 所述步骤S23具体包括以下步骤： S231、对于信道矩阵的列向量，每列都减去均值得到，得到相应的矩阵； S232、对做奇异值分解并对其特征值从大到小排序，特征值与其特征向量相对应，则有特征值，对应的特征向量； S233、保留其最大m个特征值对应的特征向量，与信道矩阵F相乘，得到降维后的信道矩阵； S234、选取m个信道能量大的点作为预采样网格点集合； 所述步骤S3具体包括以下步骤： S31、实际三维空间中存在采样受限的网格点，相应的就有限制采样网格点集合式，可选采样网格点集合式； S32、步骤S23获得的抽样矩阵，其中，为预采样网格点个数，抽样矩阵中的元素对应的是采样接收机放置位置，即抽样矩阵Φ中元素为0或1，其中值为1的网格点为采样接收机放置点； S33、通过模拟退火算法，对预采样网格点集合进行处理，对限制采样网格点找到替代的可选采样网格点进行采样，优化模型为：，其中A=ΦF，模拟退火算法通过抽样矩阵Φ来最小化优化模型中范数值，将每一种采样接收机放置方案对应为一个退火算法解，保留退火算法解中可选采样网格点，每次迭代时选取新的可选采样网格点与保留的可选采样网格点组成新的退火算法解，求新的退火算法解对应优化模型、并与之前退火算法解对应优化模型相比较，最终多次迭代和退火后得到最优退火算法解，也就是不包括限制采样网格点的采样网格点集合。

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上海交通大学;中国电子科技集团公司第五十四研究所，其通讯地址为：200240 上海市闵行区东川路800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。