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！

龙图腾网恭喜浙江大学申请的专利一种基于概率映射的复数域快速软阈值迭代反卷积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：CN116449349B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202310281692.0，技术领域涉及：G06F18/2321；该发明授权一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法是由蒋荣欣;蒋施瑶;刘雪松;辜博轩;陈耀武设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于概率映射的复数域快速软阈值迭代反卷积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概率映射的复数域快速软阈值迭代反卷积波束形成方法，以对声呐阵列的回波信号的常规波束形成结果为初次迭代初值；将迭代初值做复数梯度下降，并采用快速傅里叶变换加速梯度下降中矩阵乘计算，以得到梯度下降中间结果；建立概率映射模型，添加波束聚类先验，采用多任务贝叶斯压缩感知快速求解波束结果和对应高斯分布参数；根据波束结果做动量更新，以得到下次迭代的迭代初值，加速迭代收敛。将反卷积波束形成扩展到复数域，充分利用了波束相位信息，更贴合实际应用，有效降低了主瓣宽度和旁瓣强度，且具有较高的抗噪能力，提高了阵列成像质量。

本发明授权一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法在权利要求书中公布了：1.一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法，其特征在于，包括以下步骤：步骤1，以对声呐阵列的回波信号的常规波束形成结果为初次迭代初值，包括：对于包含尺寸为R×C共计M阵元的二维声呐平面阵列，观测范围内包含T个目标，观测域划分为P×Q共N个预期波束方向，对第n个预期波束方向对应的常规波束形成结果表示为： 其中，下标t为目标编号，xt表示目标编号的回波信号强度，λ为信号波长，阵元间距分别为dx,dy，表示目标入射的方向角和俯仰角，sinc表示非归一化的辛格函数，unt＝sinθn-sinθt，PSF为反卷积的点扩散函数，对观测范围内全部N个预期波束方向，波束形成公式可写为矩阵形式：B＝Φx其中，B表示N个波束的波束形成结果，x表示T个目标的位置向量，Φ为目标到波束的空间映射，即PSF矩阵，其n行t列元素即为步骤2，将迭代初值做复数梯度下降，并采用快速傅里叶变换加速梯度下降中矩阵乘计算，以得到梯度下降中间结果，包括：将迭代初值改写成矩阵形式，并基于Wirtinger导数公式，推得复数PSF矩阵的梯度为： 其中，yk为第k次迭代的迭代初值，反卷积目标函数梯度下降中间结果计算公式如下： 其中，rk为第k次迭代的梯度下降中间结果，μ为梯度步长，取值为点扩散函数PSF中矩阵Φ的Lipschitz常数L的倒数，Lipschitz常数L＝max[diagΦHΦ]，max为取最大特征值函数，diag用于构造对角矩阵的函数；因为二维平面阵列中两个方向上的阵元间距相等，证Φ为Hermitian矩阵，具有复共轭对称特性，采用快速傅里叶变换后的点乘来加速矩阵乘运算，快速傅里叶变换加速的梯度下降中间结果计算为： 其中，表示快速傅里叶变换，表示逆快速傅里叶变换；步骤3，采用最小均方误差估计，将预期波束结果和梯度下降中间结果做概率映射，并将预期波束结果抽象为高斯分布参数表示；步骤4，以高斯分布参数表示的预期波束结果为基础，添加波束聚类先验，重建聚类预期波束和对应的高斯分布参数；步骤5，根据多任务贝叶斯压缩感知方法的中RVM框架快速求解聚类预期波束及其高斯分布参数后，计算观测域内预期波束方向的当前迭代的预期波束结果；步骤6，根据当前迭代的预期波束结果做动量更新，以得到下次迭代的迭代初值；步骤7，重复迭代步骤2-步骤6，直到迭代终止，得到最终预期波束结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。