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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于稀疏重构的远近场混合源定位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：CN119758244B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411842254.8，技术领域涉及：G01S5/18；该发明授权一种基于稀疏重构的远近场混合源定位方法是由邱龙皓;傅世健;王燕;郝宇;张志刚;齐滨;王晋晋设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于稀疏重构的远近场混合源定位方法在说明书摘要公布了：一种基于稀疏重构的远近场混合源定位方法，本发明涉及基于稀疏重构的远近场混合源定位方法。本发明属于水下声学探测领域。本发明解决现有基于稀疏重构的远近场混合源定位方法无法实现高定位精度和低计算复杂度的兼顾的问题。过程为：一：初始化当前迭代次数κ＝1；二：根据阵元接收信号获得协方差矩阵；三：构建协方差向量远近场混合源稀疏表示模型和初始远近场混合源字典集；四：构建贝叶斯分层概率模型；五：更新模型中的信号功率、精度、扰动精度；六：更新远近场混合源字典集；七：判断是否满足迭代停止条件或者达到最大外部迭代次数；若满足则输出远场空间谱估计结果、近场空间谱估计结果和对应网格点估计；否则令κ＝κ+1返回至五，直至满足。

本发明授权一种基于稀疏重构的远近场混合源定位方法在权利要求书中公布了：1.一种基于稀疏重构的远近场混合源定位方法，其特征在于：所述方法具体过程为： 步骤一：初始化当前迭代次数κ＝1； 步骤二：根据阵元接收信号获得协方差矩阵； 步骤三：根据协方差矩阵，构建协方差向量远近场混合源稀疏表示模型和初始远近场混合源字典集； 步骤四：基于协方差向量远近场混合源稀疏表示模型和初始远近场混合源字典集，构建包含信号功率的精度α、扰动精度β0的贝叶斯分层概率模型； 步骤五：通过GAMP-VBI更新贝叶斯分层概率模型中的信号功率精度α、扰动精度β0； 步骤六：根据步骤五更新的信号功率精度α、扰动精度β0，通过梯度的离网方法更新远近场混合源字典集； 步骤七：判断是否满足迭代停止条件或者达到最大外部迭代次数； 若满足则输出远场空间谱估计结果近场空间谱估计结果和对应网格点估计 否则令κ＝κ+1返回至步骤五，直至满足迭代停止条件或者达到最大外部迭代次数，输出远场空间谱估计结果近场空间谱估计结果和对应网格点估计 其中，为远场网格点估计向量对应的角度；为近场网格点估计向量对应的角度；为近场网格点估计向量对应的距离； 所述步骤三中根据协方差矩阵，构建协方差向量远近场混合源稀疏表示模型和初始远近场混合源字典集；具体过程为： 步骤三一：将实际协方差矩阵估计值向量化： 其中，为向量化后的协方差矩阵；vec·为矩阵向量化运算；Δr为扰动向量； 和分别为Khatri-Rao积形式的远场过完备基和近场过完备基，σ为信源信号的功率，IM为单位矩阵； 步骤三二：当入射信号xkt满足复高斯分布时，扰动向量Δr服从渐进复高斯分布Δr～CN0,W，其中W的估计值由协方差矩阵估计，即 对进行白化操作，得到白化后的协方差向量稀疏表示模型为 其中，为白化操作后的协方差向量，为白化操作后的过完备字典，ε为白化操作后的扰动向量；CN为复高斯分布；T'为有限快拍数。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。