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基于正交匹配追踪和信号子空间匹配的信源数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：CN120103267B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202510304647.1，技术领域涉及：G01S5/22；该发明授权基于正交匹配追踪和信号子空间匹配的信源数估计方法是由张光普;冯志树;邹男;付进;黄敬泽;杜鑫宇;刘鑫;王斯瑜设计研发完成，并于2025-03-14向国家知识产权局提交的专利申请。

本基于正交匹配追踪和信号子空间匹配的信源数估计方法在说明书摘要公布了：基于正交匹配追踪和信号子空间匹配的信源数估计方法，本发明涉及信源数估计方法。本发明的目的是为了解决在水声环境下阵列快拍数据信噪比通常不高，且易受有色噪声和相干信源干扰，以及对于高速移动目标，有效快拍数较少，导致传统信源数估计准确率低的问题。本发明利用正交匹配追踪方法迭代求解支撑向量，以及其残差最大特征值对应的特征向量来构建2个子空间，并通过信号子空间匹配准则实现信源数估计。仿真结果表明，与现有信源数估计方法相比本发明方法对信噪比要求更低，在小快拍条件下表现更好，同时对相干信源和有色噪声不敏感。湖试数据处理结果表明，该方法能有效估计出固定和移动的水声目标数。

本发明授权基于正交匹配追踪和信号子空间匹配的信源数估计方法在权利要求书中公布了：1.基于正交匹配追踪和信号子空间匹配的信源数估计方法，其特征在于：所述方法具体过程为： 步骤一、 获取阵列采集的L个快拍组成的M×L维矩阵X＝[X1,X2,...,Xt,...,XL]； 其中，t＝1,2,…,…,L；M表示阵元个数； X1表示阵列采集的1时刻的快拍数据，X2表示阵列采集的2时刻的快拍数据，Xt表示阵列采集的t时刻的快拍数据，XL表示阵列采集的L时刻的快拍数据； 步骤二、设置迭代总次数M-1； 步骤三、初始化迭代次数i＝0；初始化r0,t＝Xt，t＝1,...,L；初始化； 其中，r0,t表示第0次迭代时阵列采集的第t个快拍数据的残差，Λ0表示前0次迭代得到的支撑向量索引的集合，表示空集； 步骤四、令迭代次数i＝i+1； 步骤五、将过完备字典中的每个aθv与所有快拍数据的残差做内积，并对所有内积的绝对值求和，然后选取和值最大时所对应的aθv作为第i次迭代得到的支撑向量，其中βi为所选aθv的索引；v＝1,2,…,J；J表示可观测角度的总数；列向量aθv为第v个远场窄带信源的导向矢量； 步骤六、基于第i次迭代得到的支撑向量对应的索引βi和前i-1次迭代得到的支撑向量对应的索引的集合Λi-1，获得前i次迭代得到的支撑向量对应的索引的集合Λi； 基于前i次迭代得到的支撑向量对应的索引的集合Λi，获得前i次迭代得到的支撑向量组成的矩阵； 步骤七、计算第i-1次迭代的残差ri-1的协方差矩阵，得到第i-1次迭代时残差对应的的特征向量矩阵Ui-1； 步骤八、基于前i次迭代得到的支撑向量组成的矩阵和特征向量矩阵Ui-1，采用信号子空间匹配准则计算第i次迭代子空间之间的距离； 其中， Ui-11表示特征向量矩阵Ui-1中第1列； 表示由矩阵的列向量生成的子空间，； 表示由矩阵的列向量和特征向量Ui-11的列向量生成的子空间，； ·表示由括号内的矩阵的列向量生成的子空间； 表示第i次迭代子空间和子空间之间的距离； SSMi表示第i次迭代计算的子空间之间的距离； 步骤九、令； 其中，Bi表示前i次迭代得到的支撑向量组成的矩阵； 采用最小二乘求解zi,t＝argminz||Xt-Biz||2,t＝1,...,L； 其中，z表示通过最小二乘优化得到的系数向量，z＝zi,1,zi,2,…,zi,t,…,zi,L；zi,t表示Bi的系数向量； 步骤十、基于阵列采集的第t个快拍数据Xt、Bi和zi,t，计算第i次迭代的残差ri,t； 步骤十一、判断是否i＜M-1； 若是，重复执行步骤四至步骤十一，直至i＝M-1； 若否，输出信源估计结果。

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。