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！

龙图腾网获悉中山大学申请的专利联合模型和数据驱动的离网稀疏贝叶斯角度估计方法及系统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：CN121254184B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511804041.0，技术领域涉及：G01S3/14；该发明授权联合模型和数据驱动的离网稀疏贝叶斯角度估计方法及系统是由吴亿锋;冯春铃;刘聪;张磊;吴建新;段佳设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本联合模型和数据驱动的离网稀疏贝叶斯角度估计方法及系统在说明书摘要公布了：本申请涉及无线通信技术领域，尤其涉及一种联合模型和数据驱动的离网稀疏贝叶斯角度估计方法及系统。通过获取阵列观测信号并构建阵列流形字典与角度导数矩阵，建立能够表征离网偏移的稀疏贝叶斯信号模型。在初始化稀疏先验精度、噪声精度和离网间隙后，引入由多级联展开层组成的深度展开网络，对后验均值与后验协方差进行迭代式更新，实现稀疏先验精度、噪声精度及离网间隙超参数的联合估计。基于更新后的后验参数构建角度功率谱，获得高分辨率角度估计结果，并进一步确定信源的实际到达角及离网偏移量，实现高精度、低偏差的DOA估计。本发明实现了连续角度域下高分辨率、高精度及高稳定性的角度估计。

本发明授权联合模型和数据驱动的离网稀疏贝叶斯角度估计方法及系统在权利要求书中公布了：1.一种联合模型和数据驱动的离网稀疏贝叶斯角度估计方法，其特征在于，所述方法包括以下步骤： 获取目标场景的阵列观测信号； 基于所述阵列观测信号，构建阵列流形字典及对应的角度导数矩阵； 基于所述阵列流形字典及对应的所述角度导数矩阵，建立离网稀疏贝叶斯信号模型； 基于所述离网稀疏贝叶斯信号模型，初始化稀疏先验精度、噪声精度及离网间隙； 构建由多个级联展开层组成的离网稀疏贝叶斯深度展开网络； 基于所述离网稀疏贝叶斯深度展开网络，对所述离网稀疏贝叶斯信号模型中的后验均值与后验协方差进行迭代式更新，依次估计稀疏先验精度、噪声精度与离网间隙超参数，得到更新后的后验参数； 基于更新后的所述后验参数计算角度功率谱，得到角度估计结果； 基于所述角度估计结果确定信源的实际到达角及对应的离网偏移量； 其中，所述基于所述阵列流形字典及对应的所述角度导数矩阵，建立离网稀疏贝叶斯信号模型，包括： 基于所述阵列流形字典及角度导数矩阵，构建离网稀疏贝叶斯信号模型；所述离网稀疏贝叶斯信号模型包含稀疏信号变量、噪声精度变量及离网间隙变量；所述稀疏信号变量的联合行稀疏结构通过拉普拉斯层次先验建模得到，所述噪声精度变量的共轭先验分布包括伽马分布，所述离网间隙变量的先验范围通过有界均匀分布建模得到； 所述离网稀疏贝叶斯深度展开网络包括： 后验计算单元，用于基于输入的稀疏先验精度、噪声精度及离网间隙超参数，并结合阵列流形字典、角度导数矩阵及阵列观测信号，计算当前展开层的后验均值与后验协方差； 稀疏先验精度估计单元，用于依据所述后验均值在快拍维度的二范数平方及所述后验协方差的对角线元素构建特征输入，通过卷积与自注意力结构生成稀疏先验精度的更新量； 噪声精度估计单元，用于基于稀疏恢复残差在快拍维度的二范数平方提取残差信号特征，并经卷积网络与全连接层生成噪声精度的更新量； 离网间隙估计单元，用于基于结构矩阵、稀疏恢复残差及稀疏先验精度构建多通道输入特征，并经卷积网络生成离网间隙超参数的更新量。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。