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！

龙图腾网获悉青岛理工大学申请的专利一种非高斯噪声下的稀疏贝叶斯离格方位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：CN121596197B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610107637.3，技术领域涉及：G01S3/80；该发明授权一种非高斯噪声下的稀疏贝叶斯离格方位估计方法是由田晋一;王绪虎;贾怡凡;王永韬;张大志;冯秋霞;刘秀燕设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本一种非高斯噪声下的稀疏贝叶斯离格方位估计方法在说明书摘要公布了：本发明方法公开了一种非高斯噪声下的稀疏贝叶斯离格方位估计方法，通过构建基于Student‑t分布的层级噪声先验模型和基于二值指示变量的双层稀疏信号先验模型等，利用贝叶斯变分推断迭代更新各参数的近似后验分布，根据重构残差能量自适应调整噪声精度权重以抑制脉冲噪声，通过二值指示变量判决机制有效去除随机伪峰。最后利用经抗噪加权的残差梯度信息自适应修正网格偏移量以消除离格效应。本申请方法与传统方法相比，不仅能在非高斯噪声下进行DOA估计，且具有更高的DOA估计精度。本发明方法在少快拍、低信噪比下仍具有较高性能，因此在实际工程中具有较好的应用价值。

本发明授权一种非高斯噪声下的稀疏贝叶斯离格方位估计方法在权利要求书中公布了：1.一种非高斯噪声下的稀疏贝叶斯离格方位估计方法，采用阵元数为的均匀线性水听器阵列，阵元间距为，为信号波长，在非高斯噪声下，收集个快拍的维观测数据矩阵，其特征在于：一种非高斯噪声下的稀疏贝叶斯离格方位估计方法包括如下步骤： 步骤一：将入射角度范围均匀划分成个网格点，定义初始网格和网格偏移量； 步骤二：计算每个网格的维导向矢量，将个网格的导向矢量拼接成维的初始字典矩阵；对求关于角度的一阶偏导数，得到维的导数矩阵，构造维包含网格偏移量的字典矩阵，表示以网格偏移量为对角元素的维对角阵； 步骤三：对自由度超参数、背景噪声精度、目标信号精度的Gamma分布形状超参数和Gamma分布尺度超参数、混合概率的超参数和、污染率、脉冲噪声的功率倍数、阈值、网格间距和最大迭代次数进行初始化； 初始化为维全零向量；初始化噪声精度为维的全向量；根据构建噪声精度矩阵，将初始化为维单位矩阵；初始化目标信号精度为维全向量；初始化维二值指示变量向量的后验概率为维全向量； 步骤四：根据公式计算后验协方差矩阵，根据公式计算后验均值矩阵；为维矩阵，为维矩阵，为由目标信号精度构成的维对角阵，上角标表示第k轮迭代，上角标表示共轭迭代； 步骤五：计算残差能量，更新噪声精度的后验期望，根据更新后的更新；表示第个阵元，第个快拍的观测数据，表示取括号内矩阵的第行，表示后验期望； 步骤六：计算目标子空间的对数边缘似然值和背景子空间的对数边缘似然值，根据公式更新各网格点是否存在信源的后验概率；更新二值指示变量的后验期望，即； 步骤七：利用公式更新目标信号精度的后验期望，利用公式更新混合概率的近似后验分布；表示第个对角线元素； 步骤八：构建加权残差目标函数，计算的一阶维导数向量和二阶维导数矩阵，利用牛顿公式更新网格偏移量，并施加约束； 表示矩阵的迹运算，表示基于第轮后验噪声精度矩阵加权的欧式范数，表示第个快拍的后验均值，表示第个快拍的维观测向量； 步骤九：计算后验均值的变化率，判断变化率是否达到阈值或达到最大迭代次数，若未满足，返回步骤四；若满足，则进行步骤十；表示Frobenius范数； 步骤十：通过公式计算各网格点的信号能量并绘制空间谱； 步骤十一：利用步骤三最终估计的网格偏移量更新网格点，即，为目标的精确波达方向估计值，空间谱峰值所对应的角度即为目标信源方位。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江路777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。