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！

龙图腾网获悉重庆邮电大学申请的专利带有信号噪声的宽带频谱压缩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：CN116131976B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202111341712.6，技术领域涉及：H04L5/00；该发明授权带有信号噪声的宽带频谱压缩检测方法是由马彬;梁伟设计研发完成，并于2021-11-12向国家知识产权局提交的专利申请。

本带有信号噪声的宽带频谱压缩检测方法在说明书摘要公布了：本发明公开了一种带有信号噪声的宽带频谱压缩检测方法，具体包括以下步骤：首先，考虑带有高斯白噪声的宽带信号，改进基于二项分布的稀疏度估计模型，使其能够适用于带有噪声的信号，并保证准确重构的前提下减少采样数目。其次，利用估计的稀疏度上界，改进自适应阈值去噪方法，降低噪声折叠对信号重构的影响。最后，仿真结果表明，本发明算法，对带有高斯白噪声的宽带信号，能够较为准确的估计出稀疏度的上界，并在保证信号重构精度的前提下，减少了采样数目，降低了自适应阈值去噪算法的计算次数。

本发明授权带有信号噪声的宽带频谱压缩检测方法在权利要求书中公布了：1.带有信号噪声的宽带频谱压缩检测方法，其特征在于，包括以下步骤： 101、预采样获取估计样本：原始信号是稀疏信号或者在某个稀疏基的变换下是稀疏信号，从宽带稀疏信号中获取估计样本； 102、从估计样本中估计稀疏信号的稀疏度：先分析出估计样本中噪声分量的概率统计特征，然后根据噪声分量的概率统计特征滤除估计样本中绝大部分噪声分量，得到信号的稀疏度上界，采用改进的二项分布稀疏度估计模型进行稀疏度估计； 所述稀疏度上界为 其中 式中表示向上取整，Fv1,v2,χ表示自由度为v1，v2的F分布的上100×1-χ分位数，χ为显著水平，ω＝‖‖y‖‖0，v1＝2ω+1，v2＝2M-ω，α表示错误率； 所述改进的二项分布稀疏度估计模型构建包括： 观测向量y中的信号噪声和测量矩阵均为正态分布，两个正态分布相乘后仍然是被压缩或者是放大的正态分布，即均值分别为μf、μg，标准差分别为σf、σg的两个正态分布相乘后仍为正态分布，且乘积后的均值μfg和标准差σfg分别为： 根据棣莫弗—拉普拉斯定理测量矩阵中的元素aij可以近似成均值为d，方差为d1-dM的高斯分布，那么与均值为0，方差为σ2的高斯噪声相乘后，根据公式5和6得乘积后的均值和标准差分别为： 至此，求得观测向量y中噪声分量是一个均值为μ标准差为σ的正态分布，令 此时ξ服从标准的正态分布，即： 测量矩阵中的元素由二项分布近似为标准正态分布，为了能够滤除观测向量中的大部分噪声分量，根据正态分布的统计特征，给定一个概率p通过查标准正态分布表可以得到上界ξ1，将求得的ξ1值带入公式7得到观测向量中噪声分量的区间上界γ，利用噪声分量的阈值γ先滤除观测向量中的大部分噪声分量，利用观测向量中大于γ的数目来估计带有信号噪声的宽带信号的稀疏度，即： h＝sum|y:|＞γ9 h表示测量向量中幅值大于γ的数目； 将公式2中的ω替换为h，既由公式1、2和9，求得稀疏度上界，如公式10所示： 其中 表示改进的二项分布稀疏度估计模型的稀疏度上界，M代表观测值数目，β＝dM； 103、补充采样：利用估计出的信号稀疏度上界确定采样数目，进行补充采样。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。