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！

龙图腾网获悉北京理工大学申请的专利一种非均匀噪声背景下基于稀疏阵的无网格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：CN115618607B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211277534.X，技术领域涉及：G06F30/20；该发明授权一种非均匀噪声背景下基于稀疏阵的无网格参数估计方法是由王卫江;巩琪树;任仕伟;彭喆;王贵愚;李翔南设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种非均匀噪声背景下基于稀疏阵的无网格参数估计方法在说明书摘要公布了：本发明公开了一种非均匀噪声背景下基于稀疏阵的无网格参数估计方法，其实现步骤是：接收端布设稀疏阵结构；对非均匀噪声背景下稀疏阵的接收信号建模；计算阵列接收信号的协方差矩阵；通过矢量化和去冗余计算虚拟差分共阵的接收数据；推导拟合误差服从的分布，构建基于原子范数最小化且避免复杂正则化参数确定过程的参数估计优化模型；推导原问题对偶问题的半正定规划形式；通过MUSIC算法或多项式求根获得波达方向估计结果。此外，本发明在充分利用稀疏阵虚拟差分共阵提供扩展自由度和全部信息的基础上，通过约束待恢复数据原子组成的稀疏性且利用待恢复数据与不受噪声影响的实际接收数据之间拟合误差服从的分布从卡方分布表中选择正则化参数，抑制了非均匀噪声的影响，克服了参数域离散化带来的网格不匹配问题，避免了确定正则化参数的复杂过程，可获得较高精度信源方位估计结果。

本发明授权一种非均匀噪声背景下基于稀疏阵的无网格参数估计方法在权利要求书中公布了：1.一种非均匀噪声背景下基于稀疏阵的无网格参数估计方法，其特征在于，包含以下步骤： 1接收端利用M个阵元架构稀疏阵，阵元位置为其中，di属于正整数集合，i＝1,…,M，λ为信号波长； 2K个窄带远场信号以角度入射到该稀疏阵上；非均匀噪声背景下，t时刻该阵列的接收数据为：其中A＝[αθ1,···,αθK]为流型矩阵，为导向向量；式中，j为单位虚数，上标[·]T表示转置操作；st＝[s1t,···,sKt]T为入射信号矢量；nt表示非均匀噪声； 3利用T个时刻的采样数据计算数据协方差矩阵：其中pk为第k个信源的功率，σm2为第m个阵元上的噪声功率，对非均匀噪声，不同阵元上的σm2互不相同，上标[·]H表示共轭转置操作，diag{·}表示以括号内向量为对角元素构造的对角阵； 4将数据协方差矩阵向量化得到：其中vec·表示矢量化操作，⊙和分别为Kronecker积和克罗内克积，[·]*表示共轭操作，em表示维度为M的单位矩阵的第m列；对应的虚拟阵元位置为整合中的冗余元素得到虚拟差分阵列接收数据：其中是使得成立的所有m,n组成的集合，是中独特元素构成的集合，表示集合的势，和分别表示集合的第n，n个元素以及集合的第i个元素，Γ1i,Mm-1+n表示Γ1第i行，第Mm-1+n列的元素； 5用表示包含的最小均匀线阵，构建基于上待恢复无噪接收数据y的原子集合：定义y的原子范数其中inf{·}表示下确界，conv·表示原子集合的凸包； 6构建接收数据和待恢复数据y之间的对应关系：其中Γ2的维度是其第m行第n列元素为表示集合的势；C是通过将维度为dM+1的单位矩阵去掉第一行以及中孔元素对应的行得到； 7同时约束y的原子组成的稀疏性以及y与的拟合程度，构建基于原子范数最小化的优化问题模型：其中||·||表示矩阵二范数，ε是预先设定的拟合误差阈值； 8推导服从的分布：其中，Γ′由Γ去掉第一行得到，表示自由度为的渐进卡方分布；从卡方分布表中选择η，可保证以一定的概率成立； 9由于原子范数在无限维度内约束稀疏性，结合步骤8，推导可求解的优化问题形式：其中Ty表示以y为第一列构造的HermitianToeplitz矩阵，tr·表示矩阵的迹，Ty≥0用于约束Ty为半正定矩阵； 10推导原子范数最小化问题对偶问题的SDP形式： 其中，Re·表示取实部操作，表示求逆操作。 11利用MUSIC算法或多项式求根实现目标方位估计： 其中V是的噪声子空间，它由的dM+1-K个最小特征值对应的特征向量构成，是通过求解步骤9中优化问题得到的最优解；或者，其中，是通过求解步骤10中优化问题得到的最优解。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。