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！

龙图腾网恭喜华南理工大学申请的专利一种基于级联神经网络水下一维DOA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：CN115586488B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202211226239.1，技术领域涉及：G01S3/802；该发明授权一种基于级联神经网络水下一维DOA估计方法是由宁更新;林钰棽;张军;冯义志;陈芳炯;余华;季飞设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本一种基于级联神经网络水下一维DOA估计方法在说明书摘要公布了：本发明公开了一种基于级联神经网络的水下一维波达方向DOA估计方法，该方法所构建的级联神经网络包含声速分类器和声速回归器，声速分类器将输入特征分解到不同声速域中，然后控制声速回归器的运行，得到声速估计值。通过盲源分离将多信源信号进行分离，得到分离信号以及分离矩阵，对分离信号重构后进行特征提取，然后输入级联神经网络得到声速估计值。根据阵列流形矩阵与分离矩阵的关系得到阵列流形估计矩阵，然后根据其特点得到DOA估计表达式，并将估计得到的声速带入表达式中，得到确定声速下DOA估计值。本发明无需通过额外阵列得到声速预估值，所有的传感器都能用于DOA估计，提高了DOA估计精度，降低了硬件的成本。

本发明授权一种基于级联神经网络水下一维DOA估计方法在权利要求书中公布了：1.一种基于级联神经网络水下一维DOA估计方法，其特征在于，所述估计方法包括以下步骤：S1、建立一维均匀线阵的阵列信号模型；S2、对接收到的信号进行预处理，得到输入特征向量S3、构建级联神经网络；所述级联神经网络包括一个声速分类器Fclass和P个声速回归器其中：声速分类器Fclass依次由第一输入层、第一隐藏层、第一输出层顺序连接组成，每层之间是全连接的，第一输入层的输入特征向量为神经元个数与特征向量维度相等，第一输出层有P个神经元，输出只有一个神经元是1，其他均为0，计算规则如下： 其中，L1代表Fclass的总层数，代表Fclass第l1层的输出，代表Fclass第l1-1层的输出，代表Fclass的输入，代表Fclass第l1-1层和第l1层之间的权重矩阵，代表Fclass第l1-1层和第l1层之间的偏置向量，表示Fclass第l1层的激活函数，|·|表示向量的维度；声速分类器Fclass将输入的特征分解到P个声速域中，每个声速域对应一个声速回归器，声速c范围为[1450,1550]ms，第p个声速域的范围为[cp,cp+Δc]ms，其中cp＝1450+Δc·p-1公式9 其中cp表示第p个声速域的起始声速，Δc表示每个声速域的范围大小；声速回归器依次由第二输入层、第二隐藏层、第二输出层顺序连接组成，每层之间是全连接的，声速回归器的输入特征向量为第二输出层是一个神经元，计算规则如下： 其中，L2代表的总层数，代表第l2层的输出，代表第l2-1层的输出，代表的输入特征向量，代表的输入，代表的第l2-1层和第l2层之间的权重矩阵，代表的第l2-1层和第l2层之间的偏置向量，表示第l2层的激活函数，代表Fclass第p个位置上的输出；声速回归器的输出值为声速估计值在对应声速范围内归一化的结果，通过映射转换可以得到最终的声速估计值S4、训练级联神经网络；S5、将阵列接收到的多信源信号通过盲源分离的方式得到分离后的单信源信号矩阵Yt，并且得到阵列流形估计矩阵对分离后的信号进行重构得到单信源阵列接收信号矩阵，然后预处理得到输入特征向量，输入经过训练的级联神经网络进行声速估计，得到声速估计值根据阵列流形矩阵与分离矩阵的关系得到阵列流形估计矩阵，然后根据阵列流行矩阵任意相邻两行比值相等的特点得到DOA估计表达式，带入声速估计值得到确定声速下的DOA估计值。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。