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！

龙图腾网获悉宁波大学申请的专利一种基于二阶互相关的空时近场源三维参数粗细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：CN117368843B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202311270534.1，技术领域涉及：G01S5/02；该发明授权一种基于二阶互相关的空时近场源三维参数粗细估计方法是由方嘉雄;陈华;刘娟;王刚设计研发完成，并于2023-09-28向国家知识产权局提交的专利申请。

本一种基于二阶互相关的空时近场源三维参数粗细估计方法在说明书摘要公布了：本发明涉及一种基于二阶互相关的空时近场源三维参数粗细估计方法，包括：建立基于十字交叉阵列的近场信号模型；利用第m个传感器和第n个传感器接收到的信号的互相关函数构造虚拟接收数据rm,n,τ，将rm,n,τ转化为包含十字阵列中所有传感器收集的信息的时延互相关矩阵Rτ；根据Rτ获得阵列流型矩阵A和B的估计值和从和中提取幅度衰减；构造关于阵列x的系数矩阵；根据阵列x的系数矩阵直接获得第k个入射信号的和估计值；构造阵列y的系数矩阵，得到的估计值；本发明采用十字阵列，在基于精确的信号源‑传感器空间几何关系的情况下，在不采用菲涅尔近似的同时考虑了幅度衰减的存在，仍能准确的估计出信号的角度和距离且这些位置参数与每个信号源关联，不需要额外的配对过程。

本发明授权一种基于二阶互相关的空时近场源三维参数粗细估计方法在权利要求书中公布了：1.一种基于二阶互相关的空时近场源三维参数粗细估计方法，其特征在于：该方法包括如下步骤： S1、建立基于十字交叉阵列的近场信号模型，所述近场信号模型由两个子阵列组成，所述的阵列x为位于x轴上的均匀线阵，所述的阵列y为位于y轴上的均匀线阵，阵列x和阵列y的阵元数目相等，阵列x和阵列y的对称中心对应的传感器位置为幅度和相位的参考点；当有K个位置为的不相关的窄带近场信号源到达所述两个均匀线阵，其中，θk，和rk分别为第k个信源到参考点的俯仰角、方位角和距离；对于阵列x的第m个传感器以及阵列y的第n个传感器，分别获取第k个信号源的空间幅度相位因子，其表示为：其中，rm,k和rn,k分别表示第k个信号源到位置为md,0和0,nd的传感器的距离，其中，m＝-Mx,…,0,…,Mx,n＝-My,…,0,…,My，d表示每个阵列的阵元的单元间距，λ表示信号波长，和分别表示第k个信号源对应于阵列x和y的幅度衰减， αk和βk分别表示第k个信源分别与x轴和y轴的夹角；阵列x和阵列y接收的信号分别表示为： 其中，A＝[aα1,r1,...,aαk,rk,...,aαK,rK]表示阵列x的2Mx+1×K维阵列流型矩阵，表示第k个信号源的导向矢量； B＝[bβ1,r1,...,bβk,rk,...,bβK,rK]表示阵列y的阵列流型矩阵， st＝[s1t,…,sKt]T表示K×1维信号矢量，wxt和wyt表示对应的加性噪声矢量； S2、利用第m个传感器和第n个传感器接收到的信号的互相关函数构造虚拟接收数据： 其中，E{·}表示统计期望函数，表示第k个入射信号的自相关函数； S3、基于步骤S2得到的rm,n,τ，将其转化为包含十字阵列中所有传感器收集的信息的时延互相关矩阵Rτ：Rτ＝ARsτBH，其中，·T表示共轭转置，·H表示共轭转置，Rsτ＝diag[rs1τ,rs2τ,…,rsKτ]； S4、对步骤S3得到的时延互相关矩阵Rτ进行矢量化操作，得到：其中，rsτ＝vecRsτ＝[rs1τ,rs2τ,…,rskτ]T，⊙表示Khatri-Rao积，·*表示共轭； S5、在时域内对所述的进行均匀抽样，抽样间隔为τl，τl＝Ts,2Ts,…,LTs，产生L个伪快拍数据：由此堆叠生成基于时延的数据矩阵其表示为：其中， S6、通过对步骤S5得到的数据矩阵进行三线性分解，获得阵列流型矩阵A和B的估计值和分别从阵列流型矩阵的估计值和中提取幅度衰减：和 S7、对步骤S6提取出的幅度衰减构建非线性方程： S8、根据步骤S7得到的非线性方程，构造关于阵列x的系数矩阵： 且Dxk×Exk＝Fxk，其中，使用最小二乘法，得到： S9、根据步骤S8获得的关于阵列x的系数矩阵，直接获得第k个入射信号的和估计值：构造阵列y的系数矩阵，由得到的估计值为： 的粗略估计值为阵列x和阵列y的估计值的平均值： S10、获取无模糊的粗估计相位因子： S11、提取各个导向矢量中和的相位：以及以和为参考，去除导向矢量和的相位模糊，获得无模糊相位因子： S12、将步骤S11得到的无模糊相位因子构建为与位置参数有关的非线性方程 S13、将步骤S11中的关于两个子阵列的线性方程分别用系数矩阵表示为： αk,βk和rk的信息矩阵为 S14、最后，通过最小二乘法获得角度和距离参数的精确估计：

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宁波大学，其通讯地址为：315000 浙江省宁波市江北区风华路818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”。