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！

龙图腾网恭喜中国人民解放军国防科技大学申请的专利一种基于协方差矩阵重建的稳健自适应波束形成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：CN115097393B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202210522041.1，技术领域涉及：G01S7/36；该发明授权一种基于协方差矩阵重建的稳健自适应波束形成方法是由范崇祎;葛少迪;王建;黄晓涛;陈雨微;辛勤;陈乐平;冯东设计研发完成，并于2022-05-13向国家知识产权局提交的专利申请。

本一种基于协方差矩阵重建的稳健自适应波束形成方法在说明书摘要公布了：本发明公开了一种基于协方差矩阵重建的稳健自适应波束形成方法，先将源信号的波达方向估计问题转化为稀疏表示问题，划分为均匀覆盖波达方向范围,‑π2,π2‑的固定采样网格；再利用稀疏贝叶斯学习在建模稀疏表示问题的优越性，估计出的最终位置、每个网格点对应的功率和噪声功率；再根据期望信号角度区域的先验信息、估计出的及对应功率，得到期望信号以及干扰信号的导向矢量和功率；后重建干扰加噪声协方差矩阵，结合期望信号导向矢量得到最优权矢量。在宽信噪比范围和低快拍或单快拍情况下能实现高输出SINR。

本发明授权一种基于协方差矩阵重建的稳健自适应波束形成方法在权利要求书中公布了：1.一种基于协方差矩阵重建的稳健自适应波束形成方法，其特征在于，包括如下步骤，先将源信号的波达方向估计问题转化为稀疏表示问题，划分为均匀覆盖波达方向范围[-π2,π2]的固定采样网格，为采样网格的数目；再利用稀疏贝叶斯学习在建模稀疏表示问题的优越性，估计出的最终位置、每个网格点对应的功率和噪声功率；再根据期望信号角度区域的先验信息、估计出的及对应功率，得到期望信号以及干扰信号的导向矢量和功率；后重建干扰加噪声协方差矩阵，结合期望信号导向矢量得到最优权矢量；从SBL的角度估计所有干扰的SVs和功率以及噪声功率来重建INCM：考虑具有M个全向传感器的均匀线性阵列ULA，间距为波长的一半；假设一个窄带期望信号DS从θ0方向入射到阵列上，而L个窄带干扰从不同的方向θ1,…,θL到达；时刻θ的阵列观测向量建模为yt＝Aθxt+nt,t＝1,2,…,T其中是不相关的源信号，Aθ＝[aθ0,aθ1,…,aθL]＝[a0,a1,…,aL]是包含所有导向矢量的阵列流形矩阵，a0为DS的SV，al,l＝1,..,L为干扰的SV；是零均值和方差的复高斯噪声，T表示快拍数；对于M个阵元的ULA，需要满足L+1M；假设期望信号、干扰和噪声在统计上彼此独立；在θ方向，相邻两个阵元接收的信号的相位差为ej2πdλsinθ，d为阵元间距，所以信号的导向矢量建模为：a＝aθ＝[1,ej2πdλsinθ,…,ej2πM-1dλsinθ]T波束形成器在时刻t的输出为gt＝wHxt其中w＝[w1,w2,...,wM]T是波束形成权重向量，H表示共轭转置符号；波束形成算法的性能通过输出SINR来评估： 其中是DS的功率，Ri+n是INCM，理论形式为 最大化SINR的问题转化为以下优化问题：minwwHRi+nws.t.wHa0＝1,最优权重向量由下式给出 将源信号的波达方向估计问题转化为稀疏表示问题： 为均匀覆盖波达方向范围[-π2,π2]的固定采样网格，其中为网格数，采样间隔为对Y使用以下模型： 其中其第i行对应于从处的可能源撞击阵列的信号，N是是零均值和方差的复高斯噪声；利用稀疏贝叶斯学习在建模稀疏表示问题的优越性，估计出的最终位置、每个网格点对应的功率和噪声功率：稀疏贝叶斯学习首先要建立促进稀疏的先验分布；假设信号的各个元素相互独立，各行服从均值为0、方差为的非平稳复高斯分布，令Δ＝diagγ，即 其中表示的第t列：为了获得有利于的大多数行接近零的两阶分层先验，超参数γ重新建模为独立的Gamma分布，即， 其中ρ是一个正约束：同理白噪声也假设为零均值的复高斯分布随机变量 其中表示噪声功率；由于β通常是未知的，将其建模为Gamma超先验pβ＝Γβ；1,b，其中设置b→0，以获得广泛的超先验；因此得到 要估计的信号波达方向DOA与功率仅与的非零行相关：由于无法显式计算，遵循SBL方法将视为一个隐藏变量，该式中的目标函数是复高斯函数，其后验概率为 其中信号的后验均值和后验协方差矩阵为 Y的边迹似然函数为 首先给出γ和β的超参数更新；稀疏贝叶斯学习的目标转化为最大化Y的边迹似然函数 不直接最大化这个分布，而是等价地最大化了它的对数并省略常数项，得到以下目标函数的最大化： yt表示Y的第t列，对上式关于信号功率γi求偏导可得： μi,:表示μ的第i行，将上式置0，并令指前一次迭代的信号功率值，把看为已知量，则解得γ的不动点迭代公式 类似的，lγ,β对于β也求偏导 求得β的迭代更新公式 噪声功率σ2＝β-1也随之求出；接下来专注于的参数更新；lnpY,γ,β上的下界为 最大化中关于的部分，即 其中μt分别表示和μ的第t列；为了细化每个采样位置或等效地，其指数形式计算关于的导数，由于 其中ai表示的第i列,和·*代表共轭运算，然后设置它归零： 经过代数运算，上式改写为多项式形式： 其中由于多项式的阶数为M-1，因此它在复平面中具有M-1个根；根据的定义，选取的用于细化的根具有单位绝对值；由于噪声的存在，根可能不在单位圆上，因此选择距离单位圆最近的根，所述根用zi*表示； 根据期望信号角度区域的先验信息、估计出的及对应功率，得到期望信号以及干扰信号的导向矢量和功率，SV估计与INCM重建：从每个网格点对应的功率上，找到多个明显的峰；由于假峰的存在，因此峰的数量通常多于源的数量L；假设Θ是DS所在的角扇区，是Θ在整个空间域中的补扇区；将Θ内功率最大峰值对应的角度作为DS，干扰区间内使用求得的噪声功率σ2＝β-1作为阈值，高于噪声功率的峰对应的角度作为干扰的DOA，因此去除内大部分假峰；假设有Q个高于阈值的峰值，获得DS和干扰的SV估计值以及相应的功率估计；重建干扰加噪声协方差矩阵，结合期望信号导向矢量得到所提出的最优权矢量：INCM重建为 I表示单位矩阵，使用和代替理论干扰加噪声协方差矩阵和期望信号的导向矢量，波束成形器计算为

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”。