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！

龙图腾网获悉南京信息工程大学申请的专利一种隧道场景下车载毫米波雷达信号重建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：CN120949237B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511485507.5，技术领域涉及：G01S13/931；该发明授权一种隧道场景下车载毫米波雷达信号重建方法是由张渌妍;涂刚毅;许屹科设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种隧道场景下车载毫米波雷达信号重建方法在说明书摘要公布了：本发明公开了一种隧道场景下车载毫米波雷达信号重建方法，涉及信号处理与雷达技术领域，首先，引入适应不同雷达场景特性的多模态测量矩阵Φ，以增强稀疏投影表达能力；其次，基于重构误差动态调整的稀疏水平估计方法，提升算法对信号实际稀疏性的适配性；再结合支撑集在多迭代过程中的交叉稳定性分析；同时引入正则化残差反馈机制，在每轮迭代中强化对微弱分量的识别与补偿；最终，通过终局重构调优策略整合，进一步提升重构精度与鲁棒性；实验结果表明，本发明方法在不同稀疏水平、信噪比与采样率下均具有更优的检测率、更低的误差与更强的泛化能力，特别适用于资源受限环境下的车载雷达系统信号处理。

本发明授权一种隧道场景下车载毫米波雷达信号重建方法在权利要求书中公布了：1.一种隧道场景下车载毫米波雷达信号重建方法，其特征在于：包括以下步骤： S1、雷达回波信号预处理与多维度特征提取：从车载毫米波雷达采集原始回波信号后，进行信号的预处理操作； S2、测量矩阵构建及选择：基于多径干扰数量、压缩比、硬件资源占用率和目标径向速度，选择不同的测量矩阵构建策略；测量矩阵构建策略具体为： 当多径干扰数量≤4个，且硬件资源占用率≤60%时，选择混合高斯-傅里叶模式，将高斯随机矩阵与部分傅里叶矩阵进行维度拼接： 其中，M1表示高斯测量模式下取的压缩观测数，M2表示傅里叶测量模式下取的压缩观测数，且M1+M2=M；N表示原始信号的长度，即待恢复稀疏信号的长度，表示实数集； 当多径干扰数量≥5个，且硬件资源占用率≤50%时，采用多模态加权融合，动态调整权重α提升鲁棒性： 其中，权重系数α1,α2,α3根据信噪比、采样率以及环境噪声水平动态调节，α1+α2+α3=1，且αi≥0.2，根据实时采集的信噪比和压缩比动态更新α1、α2以及α3，更新周期与雷达信号帧周期一致： α1=max0.2,0.5×SNRSNR_max α2=max0.2,0.3×1-CR α3=1-α1-α2 其中，α1表示相关性阈限调节因子，用于控制支撑集提取中保留多少个强相关元素，SNR表示实时信噪比，SNR_max表示雷达系统最大可承受信噪比，当SNR≥10dB时，α1≥0.25；α2表示稳定性判断调节因子，用于判断支撑集在多个迭代中的一致程度，CR表示压缩比，当CR≤0.5时，α2≥0.15；α3表示稀疏水平估计更新调节因子，用于控制新的稀疏水平即K值估计是否上调或下调，且α3≥0.2； 当硬件资源占用率＞70%时，根据压缩比动态选择高斯矩阵ΦG或哈特莱矩阵ΦH： 其中，M表示测量矩阵Φ的行数，γ表示控制选择测量矩阵的门限参数； S3、压缩感知观测：采用步骤S2构建的测量矩阵对预处理后的雷达回波信号进行子采样；S4、初始稀疏水平估计与剪枝处理：根据投影能量占比估计信号的初始稀疏水平，并进行初始支撑集的筛选，剔除低置信度的候选项；根据相关性峰值比、投影能量集中度以及能量分布熵进行稀疏水平的优化更新； S5、支撑集提取与稳定性判断：基于估计的稀疏水平和压缩观测，采用迭代算法提取信号的支撑集，并对其进行稳定性判断，若满足要求则执行步骤S7，否则执行步骤S6； S6、不稳定支撑集的再估计与更新：根据支撑集变化幅度自适应地放宽或收紧估计值，反馈调整测量权重或残差，重新进入支撑集提取流程，即返回步骤S4； S7、正则化残差反馈更新：在支撑集稳定后，引入正则化残差反馈机制对信号残差进行更新；对残差进行正则化反馈更新，反馈权重λt随迭代次数按指数衰减规律动态调整： 计算基础残差，从第6次迭代开始在残差更新中嵌入正则化反馈项以增强鲁棒性，其中，y表示压缩观测向量，rt表示第t次迭代后的残差值，A表示完整的压缩观测矩阵，表示当前支撑集对应的子矩阵；表示第t次迭代时，支撑集st对应的重构信号分量；st表示第t次迭代后的支撑集；A表示完整的压缩观测矩阵；表示第t-1次迭代时的重构信号；λt表示迭代相关的指数衰减正则系数，定义为： 其中，λ0=0.05×σ表示初始系数，τ=5表示衰减因子； 更新残差： 否则： 判断残差范数满足下式： 或残差未如下式减小时，停止迭代： 其中，表示第t次迭代时的初始残差，表示残差下降比例阈限，当残差下降比例小于时提前停止迭代； S8、误差判断与循环反馈：判断当前重构信号是否满足误差阈限，若满足则执行步骤S9，否则转至步骤S4； S9、终局重构调优输出与重建信号输出：在满足误差要求的前提下，执行最终重构调优步骤，生成最终估计信号。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。