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！

龙图腾网获悉电子科技大学申请的专利基于变分推理稳健稀疏贝叶斯学习的波达方向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：CN115754896B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202211450585.8，技术领域涉及：G01S3/14；该发明授权基于变分推理稳健稀疏贝叶斯学习的波达方向估计方法是由荣佳睿;张婧姝;段惠萍设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于变分推理稳健稀疏贝叶斯学习的波达方向估计方法在说明书摘要公布了：本发明提供一种基于新型稳健稀疏贝叶斯学习的波达方向估计方法。基于高斯噪声假设的传统稀疏贝叶斯学习方法在冲击噪声环境下性能变差，本发明将阵列信号处理中的波达方向估计问题转化为稀疏重构问题，输入阵列观测向量和阵列导向矢量构成的感知矩阵，初始化参数，对参数和稀疏信号的后验分布进行迭代更新，最终以稀疏信号近似后验期望作为其重构结果，根据重构稀疏信号的支撑集获得波达方向估计结果，其中，设计了一种变分推理的稳健稀疏贝叶斯学习算法通过推理近似后验分布来获得在非高斯噪声环境下精度更高的重构和波达方向估计结果。本发明在冲击噪声环境下具有更加稳健的估计性能。

本发明授权基于变分推理稳健稀疏贝叶斯学习的波达方向估计方法在权利要求书中公布了：1.基于变分推理稳健稀疏贝叶斯学习的波达方向估计方法，其特征在于，包括以下步骤： 输入步骤：输入阵列观测向量y和阵列导向矢量构成的感知矩阵A，确定波达方向总数N，阵列总数M，波达方向集合 初始化步骤：迭代次数L，迭代门限ε，超参数α、β1、β2、z、a、b、c1、d1、c2、d2、e、f；其中，α为波达方向估计的支撑集的方差倒数，α的各元素服从伽马分布，z为观测值是否收到冲击噪声影响的标志向量，z的各元素服从伯努利分布，β1为未受冲击噪声影响的阵列观测向量的条件似然函数的精确度，β2为受到噪声影响的阵列观测数据的似然函数的精确度；a、b、c1、d1、c2、d2、e、f均为对稀疏信号的后验分布进行迭代更新时使用的参数； 迭代步骤：对超参数和稀疏信号的后验分布进行迭代更新具体步骤如下： 1利用感知矩阵A、当前更新的标志向量z以及波达方向估计的支撑集的方差倒数α计算稀疏信号Φx＝ATDA+Dα-1；T表示矩阵转置，矩阵D＝β1Dz+β2D1-z，Dz＝diagz，D1-z＝I-Dz，diag表示提取对角矩阵，〈〉表示估计值，Dα＝diag〈α〉； 2利用稀疏信号Φx、感知矩阵A以及阵列观测向量y计算重构向量更新值μx＝ΦxATDy，再将最新的波达方向估计的重构向量xnew更新为μx，上一次更新的波达方向估计的重构向量为xold； 3更新α中的每个元素对应的估计值波达方向序号n＝1,…,N；其中，中间值xn为波达方向估计的支撑集x的第n个元素，x＝xnew，Φn,n为稀疏信号Φx第n行第n列的元素； 4更新β1的估计值其中，中间值〈y-AxTDzy-Ax〉＝y-AμxTDzy-Aμx+trATDzAΦx、tr表示矩阵的迹，m为阵列序号，zm为标志向量z的第m个元素； 5更新β2的估计值其中，中间值〈y-AxTD1-zy-Az〉＝y-AμxTDzy-Aμx+trATDzAΦx、 6更新z中的每个元素对应的估计值其中，p为概率密度函数，pzm＝1＝Cexp[-0.5β1ym-amx2+lnπm]，πm为服从不同噪声分布的概率π的第m个元素，am为阵列导向矢量矩阵A的第m行；pzm＝0＝Cexp[-0.5β2ym-amx2+ln1-πm]，C为常量，ym为阵列观测向量y的第m个元素； 7计算||xnew-xold||2，若||xnew-xold||2≤ε或当前迭代次数k＝L，则进入一下输出步骤；若||xnew-xold||2＞ε且k＜L，则将xold的值更新为xnew，返回步骤1； 输出步骤：对xnew通过阈值处理得到二值化向量，从而得到波达方向的估计支撑集I，用I中各元素所对应在波达方向集合p的角度组成波达方向的估计向量并输出。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。