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！

龙图腾网获悉中国人民解放军海军航空大学申请的专利部分均匀杂波下目标子空间融合检测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：CN116184381B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310008723.5，技术领域涉及：G01S13/04；该发明授权部分均匀杂波下目标子空间融合检测方法是由简涛;谢梓铿;刘传辉;王海鹏;高龙;王世强;刘军设计研发完成，并于2023-01-04向国家知识产权局提交的专利申请。

本部分均匀杂波下目标子空间融合检测方法在说明书摘要公布了：本发明属于雷达信号处理技术领域，具体涉及一种部分均匀杂波下目标子空间融合检测方法。充分利用杂波协方差矩阵具有的斜对称结构先验信息，联合利用主数据和辅助数据提高了未知杂波斜对称协方差矩阵结构的估计精度，降低了对辅助数据量的需求，为实现部分均匀杂波下目标子空间融合检测提供了有利支撑；构建了部分均匀杂波下子空间斜对称Gradient检验检测器，其检测器无需求解Fisher信息矩阵，计算复杂度较低，检测统计量结构简单，便于工程实现；其检测性能优于现有非结构化距离扩展目标子空间检测器。

本发明授权部分均匀杂波下目标子空间融合检测方法在权利要求书中公布了：1.一种部分均匀杂波下目标子空间融合检测方法，其特征在于，包括以下步骤： 步骤1.从K个待检测距离单元获取主数据Z，从与待检测距离单元临近的R个距离单元获取辅助数据；在无目标假设下，利用主数据Z和辅助数据ZR的联合概率密度函数的对数对杂波协方差矩阵求导并置零，获得无目标假设下未知杂波斜对称协方差矩阵结构的最大似然估计；在有目标假设下，利用主数据Z和辅助数据ZR的联合概率密度函数的对数对目标在子空间下的坐标矩阵分量求偏导； 步骤2.在有目标假设下，利用主数据Z和辅助数据ZR的联合概率密度函数的对数对杂波协方差矩阵求导并置零，获得有目标假设下未知杂波斜对称协方差矩阵结构的最大似然估计；在有目标假设下，利用主数据Z和辅助数据ZR的联合概率密度函数的对数对目标在子空间下的坐标矩阵分量求偏导并将导数置零，可得在有目标下坐标矩阵分量的最大似然估计；求解在无目标假设下的最大似然估计，构建检测统计量； 步骤3.根据预设的虚警概率设置检测门限；将检测统计量与检测门限进行比较，若，则判定当前待检测距离单元存在目标，主数据不作为后续其他待检测距离单元的辅助数据；反之若，则判定当前待检测距离单元不存在目标，主数据作为后续其他待检测距离单元的辅助数据； 所述步骤1中在无目标假设H0下，利用主数据Z和辅助数据ZR的联合概率密度函数对杂波斜对称协方差矩阵结构求导并置零，得到在无目标假设下杂波协方差矩阵的最大似然估计为： 其中， 其中，辅助数据表示为维复矩阵，表示第K+k个参考距离单元对应的辅助数据分量；其中，维复向量服从零均值协方差矩阵为维复矩阵的复圆高斯分布，且不同距离单元间的辅助数据分量是独立同分布的，为比例因子；表示第k个待检测距离单元对应的维主数据分量，表示第k个待检测距离单元中维目标子空间复坐标向量；j是虚数单位，表示方阵的行列式，表示矩阵的迹，和分别表示取实部和虚部，和分别表示m×n维的实数矩阵集合和复数矩阵集合，表示共轭转置，表示共轭，J表示斜对角线元素为1其他元素均为0的维置换矩阵； 所述步骤2中构建的检测统计量： 其中，，表示信号多秩子空间矩阵。

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中国人民解放军海军航空大学，其通讯地址为：264001 山东省烟台市二马路188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。