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深度学习的非理想非均匀阵列单快拍测向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：CN115758087B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202211515822.4，技术领域涉及：G06F18/10；该发明授权一种基于深度学习的非理想非均匀阵列单快拍测向方法是由潘玉剑;赵泽为;徐欣;杨阿锋;刘晴设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于深度学习的非理想非均匀阵列单快拍测向方法在说明书摘要公布了：本发明涉及一种基于深度学习的非理想非均匀阵列单快拍测向方法，包括暗室采集数据并获取阵列导向矢量；计算阵列输出的协方差矩阵以及深度学习标签；生成深度学习网络训练数据集；设计深度学习网络架构与损失函数并训练网络；利用训练好的深度学习网络重构托普利兹协方差矩阵；利用重构的托普利兹协方差矩阵估计目标数以及信号波达方向。相对于传统处理方法，由于在网络训练过程中保持了协方差矩阵的托普利兹性，使得本发明方法能过获得高精度的测向性能。另外，本发明通过神经网络模型重构均匀线阵的协方差矩阵，同时完成了去噪、秩恢复、阵列插值和阵列校准功能，降低了后续常规阵列信号信号处理的难度。

本发明授权一种基于深度学习的非理想非均匀阵列单快拍测向方法在权利要求书中公布了：1.一种基于深度学习的非理想非均匀阵列单快拍测向方法，其特征在于：包括以下步骤： 步骤一，暗室采集数据并获取阵列导向矢量：将阵列放置于暗室的伺服平台上，根据阵列主动或被动工作模式，在阵列的远场固定一角反射器或辐射源，采集暗室数据； 所述步骤一具体包括：设置系统参数使阵列输出基带信号的信噪比尽可能接近动态范围内的最大值；设定需校准的多个角度网格点构成的集合为，集合中角度个数为，对集合中的每个角度遍历如下操作：设，转动伺服使来波信号相对于阵列法线的到达角为；记录对应的阵列输出基带信号，为维复数向量，为阵元数；计算对应的导向矢量：，为的第一个元素，完成遍历后得到由个导向矢量构成的集合，与中的元素存在一一对应的关系； 步骤二：计算阵列输出的协方差矩阵以及深度学习标签：在目标数范围中随机选取目标数，其中为测向需处理的最大目标数， 在中随机选取个不同角度，从中选取对应角度的导向矢量构成阵列流型 ， 构建阵列输出，其中表示维随机信号向量，表示复高斯分布，第一个参数位置表示均值向量，第二个参数位置表示协方差矩阵； 协方差矩阵的计算公式为： ，其中表示生成以对应元素为对角元素的对角矩阵，功率比从在信号功率比范围中随机选取，为测向需处理的最大信号功率比，单位为dB；表示维噪声向量，表示噪声功率，表示维单位矩阵，其中的计算公式为，为信噪比，需从信噪比范围中随机选取，和分别为最小和最大信噪比，单位为dB； 计算阵列输出协方差矩阵，表示共轭转置，生成用于深度学习标签的协方差矩阵：取阵列的部分子阵，对其阵元缺失处的孔洞进行填充后，得到一个虚拟均匀线阵，阵元数为， 所述虚拟均匀线阵输出的协方差矩阵计算为 ，其中表示虚拟均匀线阵的阵列流型矩阵，，导向矢量，其中，表示转置，表示阵元间距，表示信号波长，表示虚数单位，即为深度学习标签； 步骤三：生成深度学习网络训练数据集：设定、、、数值，对步骤二进行次蒙特卡洛实验，得到对阵列输出的协方差矩阵以及深度学习标签，对每个取上三角元素的实部和虚部和对角元素，构成特征向量，则共有个实数元素；最后该训练数据集共有个样本，每个样本由特征向量和标签构成； 步骤四：设计深度学习网络架构与损失函数并训练网络：神经网络的输入层维度，输出层维度为，含有个隐藏层，每个隐藏层内含有个神经元，每个隐藏层之间都存在激活函数；神经网络表示为,神经网络的输出表示为 ，训练神经网络的损失函数设置为，其中表示求向量的Frobenius范数，为由重构的托普利兹协方差矩阵，的构造包括以下子步骤：取网络输出的第2到个值为向量，取网络输出的第到个值为向量，构造辅助向量，其中为阶反对角单位矩阵；将辅助向量转换为托普利兹矩阵，即： 其中，表示的第个元素，其余以此类推，同时具有托普利兹性和厄密特性； 训练完成的神经网络表示为； 步骤五，利用训练好的深度学习网络重构托普利兹协方差矩阵：将测试数据构成新的向量，输入到神经网络中，得到网络输出；再由重构托普利兹协方差矩阵，的构造如步骤四中所述； 步骤六：利用重构的托普利兹协方差矩阵估计目标数以及信号波达方向； 对重构的协方差矩阵进行特征分解，得到从小到大排列的特征值；计算特征值的差 ，，计算序列的方差：，； 估计信号源数，表示取使最小的，中间参数；取个最小特征值对应的特征向量构成噪声子空间；构造谱函数 ，谱函数的峰值对应的角度为波达角方向，其中，为搜索角度，为搜索导向矢量，表示为 。

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 浙江省杭州市钱塘新区白杨街道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。