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国防科技大学申请的专利基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像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：CN118818495B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202410857753.8，技术领域涉及：G01S13/89；该发明授权基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法是由黄晓涛;葛少迪;冯东;陈雨微;范崇祎;王建设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法在说明书摘要公布了：本发明属于毫米波雷达技术领域，公开了基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法，包括以下步骤：获取距离聚焦后的回波数据s，构造成像算子和共轭算子当没有满足终止条件时，迭代执行步骤，直到满足终止条件；输出三维成像结果本申请避免了额外的正则化参数输入；避免观测矩阵的构造、存储以及求解优化过程中的大规模矩阵‑向量乘法，基于MF的成像模型构建的成像算子，以替代CS模型中的矢量化操作，提高了计算效率。

本发明授权基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法在权利要求书中公布了：1.基于拉普拉斯先验稀疏贝叶斯学习的三维毫米波成像方法，其特征在于，包括以下步骤： 获取距离聚焦后的回波数据s，构造成像算子和共轭算子 其中, 其中z表示阵列平面到目标沿距离方向的距离，kz为对应的波数；IFFT2D表示二维逆快速傅里叶变换，FFT2D表示二维快速傅里叶变换；e是自然常数，j是虚数单位，⊙表示Hadamard积；Θ表示三维成像结果； 在贝叶斯建模框架内，所有未知的变量被视为随机变量，并被赋予先验分布，采用三阶分层模型，其中，第一阶为对成像结果Θ中的元素根据高斯分布进行建模，均值为0，方差为α；第二阶对α的元素使用伽马分布进行建模，尺度参数为β；第三阶对β赋予伽玛先验，形状和尺度参数分别为a和b，对成像结果Θ进行建模，得到拉普拉斯先验形式； 当没有满足终止条件时，执行以下步骤： 计算∑Θ＝LγI+diagα-1-1，α为方差，L是利普希茨常数，γ是噪声方差，I是单位矩阵，∑Θ是后验分布的协方差矩阵； 计算三维成像结果Θ的估计值δ是迭代的中间变量，估计值μΘ初始化为并且随着迭代而变化； 将三维成像结果Θ的估计值μΘ赋值给Θ； 计算α服从伽马分布，其中β为尺度参数； 计算β服从伽马先验分布，a和b是β伽马先验分布的形状和尺度参数； 计算M表示回波数据量，c和d是γ的超参数，gΘ,δ是关于Θ,δ的松弛函数， 将三维成像结果Θ的估计值μΘ赋值给δ； 直到满足终止条件； 输出三维成像结果Θ＝μΘ。

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国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。